XiaoMi-AI文件搜索系统
World File Search SystemTCGA
细胞到患者的机器学习转移方法揭示了替代剪接变体中的新型基底样乳腺癌预后标记
背景：乳腺癌是全球女性死亡的十大原因之一。约 20% 的患者被误诊，导致早期转移、治疗耐药和复发。许多临床和基因表达谱已成功用于将乳腺肿瘤分为 5 种主要类型，这些类型具有不同的预后和对特定治疗的敏感性。不幸的是，这些谱未能将乳腺肿瘤细分为更多亚型，以提高诊断率和存活率。可变剪接正在成为一种新的高度特异性生物标志物来源，用于将肿瘤分为不同等级。利用乳腺癌细胞系 (CCLE) 和乳腺癌肿瘤 (TCGA) 中的大量公共转录组学数据集，我们已经解决了可变剪接变体对高度侵袭性乳腺癌进行细分的能力。
EPHA5 突变预测...的持久临床益处
TILs：肿瘤浸润淋巴细胞；PFS：无进展生存期；NSCLC：非小细胞肺癌；抗 CTLA-4：抗细胞毒性 T 细胞淋巴细胞-4；PD-L1：程序性死亡配体 1；RTK：Eph 受体酪氨酸激酶；NK：自然杀伤细胞；NGS：靶向下一代测序；DCB：持久临床益处；NDB：无持久益处；OS：总生存期；DFS：无病生存期；GDSC：癌症药物敏感性基因组学；KM：Kaplan-Meier；GO：基因本体论；KEGG：京都基因与基因组百科全书；TCGA：癌症基因组图谱；BER：碱基切除修复；HR：同源重组；MMR：错配修复；FA：范康尼贫血；NER：核苷酸切除修复；NHEJ：非同源末端连接； DSB：DNA 双链断裂；SSB：单链断裂；miRNA：微小RNA；
胸腺胸腺糖基糖基酶（TDG）是治疗
癌症中的两种已知表观遗传改变是CpG岛甲基化（CIMP）和全基因组降压甲基化。尤其是，大约20-40％的黑色素瘤，三阴性乳腺癌，严重的卵巢癌和严重的子宫内膜癌的特征是全基因组降低甲基化的特征，可以通过挖掘TCGA甲基化数据来记录，这些甲基化可以记录下来。脱甲基化剂（例如，去替替替啶和阿Zacytidine）是一种癌症的有效表观遗传疗法，靶向CIMP表型，目的是重新激活受高甲基化沉默的基因表达。但是，没有努力专门针对癌症中全基因组的甲基化。已经确定，具有明显的全基因组低甲基化的癌症表现出在活性DNA脱甲基化途径中工作的DNA去甲基酶的表达升高。因此，对这些脱甲基酶的抑制有望拮抗，纠正和重新编程全基因组低甲基化，从而抑制致癌途径并获得治疗益处。
免疫相关的基因预后指数，用于预测结直肠癌患者的预后
方法：分别从癌症基因组图集（TCGA）和基因表达综合（GEO）数据库中获取CRC患者的RNA序列数据和临床信息，分别是培训和验证集。免疫相关的基因数据是从Inmport和IntedB数据库中获得的。加权基因共表达网络分析（WGCNA）用于鉴定与免疫相关的基因。然后使用COX回归方法构建了IRGPI。基于IRGPI的中位风险评分，患者可以分为高风险和低风险组。为了进一步研究免疫学差异，进行了基因集变异分析（GSVA）研究。此外，使用施加和相关功能分析的免疫细胞用于识别差异免疫细胞亚群和相关功能途径。
引用 Brouwer, NJ、Konstantinou, EK、Gragoudas, ES、Marinkovic, M.、Luyten, GPM、Kim, IK、… Vavvas, DG (2021)。针对青少年
结果 . 在 TCGA 数据中，YAP1 和 WWTR1 的高表达与原发性 UM 中 3 号单体性（分别为 P = 0.009 和 P < 0.001）和 BAP1 缺失（分别为 P = 0.003 和 P = 0.001）的存在相关；转移发展与 YAP1（P = 0.05）和 WWTR1（P = 0.003）的高表达相关。在 Leiden 数据中，下游转录因子 TEAD4 在 M3/BAP1 缺失病例中增加（P = 0.002 和 P = 0.006）并与转移有关（P = 0.004）。 UM 细胞系 92.1、OMM1 和 Mel270（GNAQ/11 突变，BAP1 阳性）以及快速生长的细胞系 OCM3（BRAF 突变）在暴露于 VP 后均表现出增殖减少。两个缓慢生长的 UM 细胞系 XMP46 和 MM28（GNAQ/11 突变，BAP1 阴性）对 VP 不敏感，两个结膜黑色素瘤细胞系（BRAF/NRAS 突变）对 VP 也不敏感。
RACGAP1 受 E2F3 转录调控，其缺失导致食管鳞状细胞癌有丝分裂灾难
图 1 RACGAP1 在 ESCC 中高度上调。（A、B）与健康组织相比，ESCC 组织中 RACGAP1 的 mRNA 表达显著上调，这由来自 GEO 的三个微阵列数据集（A）以及来自 TCGA 数据的 RNA-seq 数据（B）表明。（C）进行 QPCR 检测以验证 ESCC 组织（n=96）与邻近健康组织（n=20）相比 RACGAP1 mRNA 水平的上调。（D）Kaplan-Meier 曲线显示高 RACGAP1 表达组的总生存期 (OS) 时间明显较短。P 值由对数秩检验确定。（E）左图：Western blotting 检测显示 ESCC 组织中的 RACGAP1 蛋白水平高于匹配的邻近健康组织。右图：灰度分析的统计结果。P 值由配对 t 检验确定。***，P<0.001。
EGFR、AREG 和 EREG 的预后意义...
材料和方法：我们研究了 EGFR、AREG 和 EREG 在 MIBC 中的预后意义。通过 qRT-PCR 对曼海姆大学医院（MA；中位年龄 72 岁，四分位距 [IQR] 64 – 78 岁，25% 为女性）接受根治性膀胱切除术的 100 名 MIBC 患者的组织样本进行基因表达和拷贝数分析。在忠北和 MDACC 队列中，对 2017 年 TCGA MIBC 队列（中位年龄 69 岁，IQR 60 – 77 岁，27% 为女性）中的 361 名患者进行了结果验证。使用 Mann-Whitney 检验、Kruskal-Wallis 检验和 Spearman 相关性将基因表达与临床病理参数相关联。使用 Kaplan-Meier 和 Cox 比例风险模型分析总体生存率 (OS)、癌症特异性生存率 (CSS) 和无病生存率 (DFS) 基因表达。
调查长期非...的潜在临床意义
为了确定 LINC00092 诊断 BC 的特异性和敏感性，我们接下来进行了 ROC 曲线分析，并使用 MedCalc 软件计算了 ROC 曲线下面积 (AUC)。为了进一步评估 LINC00092 在诊断 BC 方面的有效性，我们使用 TCGA 数据库通过逻辑回归模型进行了五重交叉验证。逻辑回归模型的性能是根据其精确度、召回率、准确度和 F1 分数来评估的。高精度反映了 LINC00092 预测 BC 的高精度；召回率是指真阳性数除以实际阳性数；准确度定义为所有病例中正确预测结果的比例。选择 F1 分数作为综合评价指标，因为精度和召回率相互影响，并且它们的值不可能同时达到最佳大值。F1 分数是通过对精度和召回率取调和平均值来计算的。
从基因组到药物的捷径：利用生物信息学工具寻找胃癌治疗的新靶点
摘要：胃癌 (GC) 是一种高度异质性的复杂疾病，是全球第五大常见癌症（2018 年全球约有 100 万例病例和 784,000 例死亡）。GC 预后不良（5 年生存率不到 20%），但人们正在努力寻找在肿瘤形成过程中高表达的基因，并以相关蛋白质为靶点来寻找新的抗癌分子。从基因表达综合 (GEO) 库收集数据，以获得三个数据集矩阵，分析胃肿瘤组织与正常胃组织，并涉及使用 GPL570 平台和不同来源进行的微阵列分析。使用 GEPIA 工具对数据进行差异表达分析，使用 KMPlot 进行生存分析。为了提高稳健性，使用 TCGA 数据库中的 GC 数据来证实 GEO 数据的分析。通过 RT-qPCR 在几种 GC 细胞系中确认了 GEO 和 TCGA 中计算机分析发现的基因。使用 AlphaFold 蛋白质结构数据库来查找相应的蛋白质。然后，进行基于结构的虚拟筛选以寻找分子，并使用 DockThor 服务器进行对接分析。我们的计算机和 RT-qPCR 分析结果证实了 AJUBA 、 CD80 和 NOLC1 基因在 GC 系中高表达。因此，在 SBVS 分析中使用相应的蛋白质。共有三种分子，每个靶标一个分子，即 MCULE-2386589557-0-6、MCULE-9178344200-0-1 和 MCULE-5881513100-0-29。所有分子都具有良好的药代动力学、药效学和毒理学特性。分子对接分析表明，这些分子与蛋白质在对其活性至关重要的位点相互作用。使用虚拟筛选方法，对在致癌细胞功能中发挥重要作用的基因编码的蛋白质进行分子对接研究。将公共微阵列数据的系统收集与比较元分析、RT-qPCR、SBVS 和分子对接分析相结合，提供了一种合适的方法来寻找与 GC 有关的基因并与相应的蛋白质一起寻找具有抗癌特性的新分子。