Comprehensive transcriptomic analysis of hepatocellular Carcinoma: Uncovering shared and unique molecular signatures across diverse etiologies
Notice bibliographique
Résumé
Hepatocellular carcinoma (HCC) is a leading cause of cancer mortality, often diagnosed at advanced stages where treatment options are limited. This study undertakes a comprehensive meta-analysis of gene expression profiles from 19 independent datasets sourced from the Gene Expression Omnibus (GEO), encompassing a diverse range of HCC etiologies, including HBV and HCV infections, cirrhosis, and normal liver comparisons. Our analysis identified 125 genes consistently altered across all datasets (e.g., CYP2C9 , SLC22A1 , RDH5 ) that represent a pan-etiology HCC signature, implicating retinol metabolism and solute transport as key pathways in HCC pathogenesis. Notably, 14 HBV-specific differentially expressed genes (DEGs) (e.g., ABCA8 , GADD45B ) and 221 HCV-specific DEGs (e.g., CDK1 , CCNB1 ) were identified, highlighting etiology-specific molecular signatures. Protein-protein interaction (PPI) networks revealed central hubs (e.g., CDK1, CCNE1, TYMS) involved in cell cycle dysregulation and metabolic reprogramming (Warburg effect). These findings provide a robust molecular framework for HCC subtyping and prioritize novel biomarkers and therapeutic targets for further validation. This resource advances the potential for personalized HCC diagnostics and therapies.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».