Combining transcriptional and post-transcriptional regulation to predict somatic mutations altering the gene regulatory program in cancer cells
Notice bibliographique
Résumé
While most cancer studies focused on patient variations lying in protein-coding regions, the noncoding ~98% of the genome, containing cis-regulatory regions that control when and where genes are expressed, is largely unexplored. Transcription factors are key proteins binding to cis-regulatory regions to modulate the rate of gene transcription. Delineating the specific positions at which a TF binds DNA is of high importance in deciphering gene regulation. As cancer is a disease of disrupted cellular regulation, it is critical to analyze these regions to highlight patient somatic mutations altering the gene regulatory program of the cells. I will present our recent works on the evaluation of the combined effects of transcriptional and post-transcriptional dysregulation of gene expression. Our analyses culminated with the identification of mutations at TFBSs affecting the expression of key protein-coding and miRNA genes with a cascading dysregulating effect of the cells’ regulatory program. Our predictions were enriched for protein-coding and miRNA genes previously annotated as potential cancer drivers. Functional enrichment analyses highlighted the dysregulation of key pathways associated with carcinogenesis. These results confirm that our method predicts cis-regulatory mutations related to the dysregulation of key gene regulatory networks in cancer patients. This new strategy represents an original methodology to decipher how the gene regulatory program is disrupted in cancer cells by combining transcriptional and post-transcriptional regulation of gene expression.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».