Unraveling Racial Disparities in Papillary Thyroid Cancer: A Comparative Bulk RNA-Sequencing Gene Expression Analysis
Notice bibliographique
Résumé
Papillary thyroid cancer (PTC) is the most common thyroid malignancy, with significant racial/ethnic disparities in incidence and survival. Asians have the highest incidence, and recurrence, while African Americans experience the lowest survival rates, suggesting contributions from genetic, environmental, and healthcare-related factors. While socioeconomic disparities play a role, emerging evidence highlights genetic and molecular mechanisms underlying these differences. This study examines differentially expressed genes (DEGs) to identify potential molecular drivers of PTC disparities. Bulk RNA-sequencing (RNA-seq) data from 20 PTC tumors (5 White, 5 African American, 5 Hispanic, and 5 Asian) were analyzed using the UseGalaxy platform. Preprocessing included quality control, adapter trimming, and genome alignment. Differential expression analysis identified genes with p < 0.01 and fold change ≥ 2.5. Volcano plots visualized significant DEGs. Gene Set Enrichment Analysis (GSEA) via eVITTA identified enriched pathways. TCGA data analysis validated racial/ethnic differences in gene expression. Ethnic groups exhibited distinct gene expression profiles. GSEA revealed differences in cell proliferation, immune regulation, and thyroid hormone metabolism. African Americans showed immune suppression and reduced tumor suppressor activity, while Asians exhibited enriched cell cycle and DNA repair pathways. Significant differences were confirmed in some of the genes in TCGA data analysis. This study identifies genetic factors contributing to racial disparities in PTC, emphasizing the need for further validation in larger cohorts and functional studies. Understanding these molecular differences may inform personalized treatment strategies and improve PTC outcomes across diverse populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».