Multiple highly methylated CpG sites as potential epigenetic markers for the diagnosis of prostate cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Prostate cancer (PCa) remains the leading cause of cancer deaths in men. The prostate-specific antigen (PSA) test is widely used for PCa screening, but it lacks specificity and can lead to over-diagnosis and over-treatment. New, effective and affordable markers are therefore needed. RESULTS: Using enzymatic methyl sequencing (EM-Seq), methylation-specific PCR (MS-PCR), and transcriptomics including a spatial approach, we analyzed tumor and non-tumor samples from radical prostatectomy specimens. Comprehensive methylome was performed in 15 paired samples of prostate cancer and their adjacent non-tumor tissue by EM-Seq. From over 4-million differentially methylated CpG sites, we identified 66 CpGs sites representing eight genes: CLDN5, GSTP1, NBEAL2, PRICKLE2, SALL3, TAMALIN/GRASP, TJP2, and TMEM106A which were hypermethylated in PCa tissues (p-value < 0.0001), and were confirmed by MS-PCR. A very good correlation between EM-Seq and MS-PCR results was observed (Pearson's correlation of 0.93). Differential expression of these candidate genes was analyzed first, using an Affymetrix RNA array dataset from a cohort of 68 non-tumor samples and 101 tumors with different aggressiveness patterns and, second, by in situ expression using Visium 10X spatial genomics transcriptomics on eight prostate tissue sections with different tumor grades and non-tumor glands. Lower expression level was found, using RNA arrays, in tumor compared to non-tumor tissues for six of the eight genes (p ≤ 0.0001) and in tumor glands with high aggressiveness compared to non-tumor glands (p < 0.0001) for the eight genes using in situ transcriptomics. CONCLUSIONS: Our study identifies promising DNA methylation markers for the diagnosis of prostate cancer.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle