Transformative insights from transcriptome analysis of colorectal cancer patient tissues: identification of four key prognostic genes
Notice bibliographique
Résumé
Colorectal cancer (CRC) is a leading cause of cancer-related deaths worldwide, necessitating accurate and robust predictive approaches to assist oncologists with prognosis prediction and therapeutic decision-making in clinical practice. Here, we aimed to identify key genes involved in colorectal cancer pathology and develop a model for prognosis prediction and guide therapeutic decisions in CRC patients. We profiled 49 matched tumour and normal formalin-fixed paraffin-embedded (FFPE) samples using Affymetrix HGU133-X3P arrays and identified 845 differentially expressed genes (FDR ≤ 0.001, fold change ≥2), predominantly enriched in the extracellular matrix (ECM)-receptor interaction pathway. The integrative analysis of our data with publicly available mRNA and miRNA datasets, including their differentially expressed gene analyses, identified four overexpressed genes in the ECM-receptor interaction pathway as key regulators of human CRC development and progression. These four genes were independently validated for their differential expression and association with prognosis in a newly collected CRC cohort and publicly available datasets. A prognostic risk score was developed using these genes, with patient stages weighted by multivariate Cox regression coefficients to stratify patients into low-risk and high-risk groups, showing significantly poorer overall survival (OS) in the high-risk group. In conclusion, our risk assessment model exhibits strong potential for predicting poor survival and unfavorable clinicopathological features in CRC patients, offering valuable insights for personalised management strategies.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».