Identification of CYP2B6 as a Novel Biomarker of HRD in Colon Adenocarcinoma through WGCNA and Machine Learning
Notice bibliographique
Résumé
The potential role of homologous recombination deficiency (HRD) in the diagnosis and treatment of colon adenocarcinoma (COAD) remains incompletely explored. Differential gene expression analysis was conducted using Limma to identify genes with altered expression levels. Key genes associated with HRD were identified through the integration of WGCNA and machine learning techniques. For the unsupervised grouping of samples, ConsensusClusterPlus was applied. To quantify gene expression and protein abundance in clinical tissues and cell lines, RT-qPCR and Western Blotting (WB) assays were performed, respectively. The "pRRophetic" package was employed to predict drug sensitivity profiles. Molecular docking simulations and optimal pose presentations were conducted by using CB-Dock2. Our comprehensive analysis of multiple COAD data sets, leveraging WGCNA and machine learning, unveiled five novel, previously unreported biomarkers of HRD: TNFRSF11A, SERPINA1, SPINK4, REG4, and CYP2B6. We devised an innovative HRD-linked molecular classification system and a predictive nomogram that accurately forecasts patient outcomes. Experimental validation substantiated the upregulation of CYP2B6 in COAD, enhancing proliferation and migration capabilities, and demonstrated a robust positive association with established HRD indicators RAD51 and γH2AX. Notably, CYP2B6 emerged as a promising predictor of PARP inhibitor (PARPi) sensitivity, offering potential therapeutic implications. In conclusion, our study, harnessing machine learning and experimental validation, has uncovered novel biomarkers of HRD and PARPi sensitivity, shedding light on potential avenues for tailored clinical treatment strategies in COAD, thereby advancing personalized medicine.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».