Integrative Transcriptomic Meta-Analysis Reveals Risk Signatures and Immune Infiltration Patterns in High-Grade Serous Ovarian Cancer
Notice bibliographique
Résumé
Background: High-grade serous ovarian cancer (HGSOC) is a highly aggressive malignancy with poor prognosis due to late-stage diagnosis and limited treatments. Identifying differentially expressed genes (DEGs), and immune cell infiltration patterns may improve prognostic assessment and therapeutic strategies. Methods: We conducted a meta-analysis of gene expression data from the GEO (Gene Expression Omnibus, NCBI). DEGs were identified, functionally enriched, and analyzed for protein-protein interactions. Overlaps with oncogenes and tumor suppressor genes were examined. Cox survival analysis and a gene expression-based risk stratification model were developed. Immune infiltration differences were assessed using deconvolution methods. Results: A total of 11 studies (291 HGSOC, 96 controls) identified 892 DEGs, mainly involved in mitochondrial function, vesicle trafficking, and immune regulation. Key oncogenes (EZH2, PDK1, ERBB2) and tumor suppressor genes (BRCA1, DUSP22) were identified. Survival analysis associated the expression of SEC24B, TGOLN2, TRAK1, and CAST with poor prognosis. Low-risk patients had higher activated dendritic cells and CD4+ memory T cells while high-risk patients were enriched in common lymphoid progenitors and megakaryocyte-erythroid progenitors. Conclusions: This study identifies key DEGs in HGSOC progression and presents a risk stratification model predicting patient outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».