É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de investigação
94 visualizações
⸱
11 de setembro de 2026
* These authors contributed equally
Um framework multietapa ancorado geneticamente, integrando aleatorização mendeliana, transcriptômica tumoral e análises de célula única, priorizou o MAP1LC3A como um gene relacionado à ferroptose associado à suscetibilidade ao glioblastoma e como candidato para validação experimental futura.
O glioblastoma (GBM) permanece uma malignidade altamente agressiva, e a contribuição dos genes relacionados à ferroptose para a suscetibilidade à doença ainda não é completamente compreendida. Foi aplicado um quadro genético e multietapas para priorizar genes relacionados à ferroptose associados ao GBM. Dentre 483 genes curados do FerrDb V2, 315 possuíam cis-locos de características quantitativas de expressão candidatos (cis-eQTLs) no eQTLGen, 250 mantiveram pelo menos três instrumentos independentes após o agrupamento por desequilíbrio de ligação, e 226 geraram estimativas válidas de randomização mendeliana ponderadas pela variância inversa (IVW) utilizando um estudo de associação genômica ampla do GBM composto por 6.183 casos e 18.169 controles. Trinta e quatro genes atenderam aos critérios exploratórios de descoberta de P < 0,05 e uma taxa de descoberta falsa de Benjamini–Hochberg (BH-FDR) < 0,20, com estimativas concordantes em direção da randomização mendeliana bayesiana ponderada (BWMR). A randomização mendeliana na fase de replicação, utilizando cis-eQTLs de sangue total do GTEx V10, apoiou quatro genes: ATG7, RPTOR, MAP1LC3A e CHMP6. A avaliação em três coortes independentes de transcriptômica tumor–controle demonstrou que MAP1LC3A foi consistentemente subregulado no tecido tumoral e apresentou uma estimativa agrupada de efeitos aleatórios significativa (mudança no log₂, −1,273; intervalo de confiança de 95%, −1,625 a −0,920; taxa de descoberta falsa = 0,016), enquanto os outros três genes não apresentaram suporte estatístico comparável entre coortes. Posteriormente, foi realizada uma análise computacional de "knockout" virtual em uma subamostra balanceada de pacientes composta por 2.400 células malignas selecionadas dentre 4.916 células elegíveis provenientes de 20 tumores de GBM em adultos do tipo selvagem para IDH. Em cinco execuções com sementes independentes, foram identificados 3, 15, 4 e 7 genes downstream robustos para ATG7, RPTOR, MAP1LC3A e CHMP6, respectivamente. Os conjuntos de consenso resultantes compreenderam 17 genes únicos, com RND3 compartilhado entre os quatro alvos. A análise da Ontologia Genética indicou enriquecimento de processos de adesão celular e de superfície celular, enquanto nenhuma via KEGG ou Reactome permaneceu significativa após a correção para testes múltiplos. Em conjunto, esses achados priorizam MAP1LC3A para investigações experimentais futuras, ao mesmo tempo que distinguem associação genética, concordância de expressão tumoral e perturbação computacional de evidência definitiva de causalidade ou mecanismo.
O glioblastoma (GBM) permanece uma malignidade paradigmática refratária ao tratamento. Apesar da classificação molecular cada vez mais refinada e do cuidado multidisciplinar, as melhorias duradouras nos desfechos dos pacientes têm sido limitadas1. Para pacientes clinicamente aptos, o tratamento atual consiste na ressecção máxima segura, seguida de radioterapia com temozolomida concomitante e adjuvante, um regime estabelecido em um ensaio randomizado fundamental e mantido nas diretrizes clínicas contemporâneas1,2. No entanto, a infiltração difusa e a extensa heterogeneidade celular e molecular limitam o controle duradouro da doença, e a maioria dos pacientes acaba experimentando progressão ou recorrência, para as quais não existe um tratamento padrão universalmente eficaz1,3. Essa lacuna persistente entre os avanços na caracterização da doença e os desfechos clínicos reforça a necessidade de identificar dependências moleculares biologicamente relevantes que possam orientar novas estratégias terapêuticas para o GBM.
A ferroptose é uma forma dependente de ferro de morte celular regulada, caracterizada pela peroxidação incontrolável de fosfolipídios e falha das defesas antioxidantes celulares, distinguindo-se mecanisticamente da apoptose e de outros programas canônicos de morte celular4,5. Esse processo é particularmente relevante para o GBM, no qual alterações genéticas e plasticidade metabólica remodelam a homeostase do ferro, o equilíbrio redox e o metabolismo lipídico. Perfis integrados genômicos e lipidômicos demonstraram que a deleção de CDKN2A redistribui ácidos graxos poli-insaturados oxidáveis, criando assim uma suscetibilidade à ferroptose dependente do genótipo em modelos de GBM6. Da mesma forma, análises pareadas de tumores primários e recorrentes identificaram alterações associadas à recidiva em GPX4, ACSL4 e outros reguladores da ferroptose7. A modulação experimental de vias de defesa contra ferroptose também demonstrou influenciar a resposta ao temozolomida em células de GBM e modelos de xenoenxertos8. Em conjunto, essas descobertas identificam a ferroptose como uma vulnerabilidade terapêutica biologicamente plausível no GBM. No entanto, elas refletem principalmente associações com o estado tumoral ou observações experimentais dependentes do contexto, e não estabelecem se variações constitutivas na expressão gênica relacionada à ferroptose contribuem para a suscetibilidade herdada ao GBM.
A maioria dos estudos humanos que investigam a ferroptose em glioma tem se baseado em análises de expressão diferencial, modelagem de sobrevida e subtipagem molecular utilizando conjuntos de dados do TCGA, CGGA e GEO9,10. Embora esses estudos tenham estabelecido a relevância prognóstica de programas transcricionais relacionados à ferroptose, seu delineamento observacional não permite determinar se a alteração na expressão gênica contribui para a suscetibilidade ao GBM ou, ao contrário, representa uma consequência do desenvolvimento tumoral. A randomização mendeliana em todo o transcriptoma posteriormente identificou genes regulados geneticamente e dependentes de tecido associados ao risco de glioma, enquanto estudos mais recentes baseados em locos de traço quantitativo de expressão (eQTL) e locos de traço quantitativo de proteína (pQTL) começaram a priorizar alvos terapêuticos potenciais para o GBM11,12. No entanto, investigações anteriores geralmente adotaram abordagens voltadas ao transcriptoma completo ou direcionadas a alvos farmacológicos, em vez de avaliar um conjunto pré-especificado e abrangente de genes relacionados à ferroptose. Além disso, poucos estudos integraram um grande estudo de associação genômica ampla (GWAS) de GBM com randomização mendeliana em estágio de replicação utilizando uma fonte independente de eQTL, seguido por avaliação em múltiplas coortes transcriptômicas de tumor versus controle. Essa distinção é importante porque a regulação genética da expressão gênica varia substancialmente entre tecidos, e associações de eQTL derivadas de sangue não podem ser assumidas como reflexo dos efeitos regulatórios em tumores cerebrais11,13. Portanto, é necessária uma estrutura integrativa que combine associação genética, randomização mendeliana em estágio de replicação, transcriptômica tumoral trans-coorte e predição funcional baseada em células únicas derivadas de pacientes, a fim de identificar genes relacionados à ferroptose apoiados por linhas convergentes de evidência de seu envolvimento no GBM.
Este estudo investigou se a expressão geneticamente regulada de genes relacionados à ferroptose está associada à suscetibilidade ao GBM. A aleatorização mendeliana nas fases de descoberta e replicação foi combinada com análises de expressão gênica em três coortes transcriptômicos independentes de tumor e controle. Os genes apoiados por ambas as fases da aleatorização mendeliana foram posteriormente avaliados em dados transcriptômicos de células únicas derivadas de pacientes, utilizando perturbação virtual para caracterizar as respostas transcricionais previstas em células malignas. Em vez de priorizar genes com base exclusivamente em assinaturas de expressão tumoral, esta abordagem em múltiplas etapas aproveitou primeiramente a variação genética herdada e, em seguida, avaliou padrões de expressão relevantes para a doença juntamente com perfis computacionais de perturbação resolvidos por célula. As evidências convergentes resultantes foram utilizadas para priorizar genes relacionados à ferroptose para futuras investigações experimentais no GBM.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Este estudo obteve isenção de revisão ética pelo Comitê de Ética Médica do Primeiro Hospital Popular de Zhaoqing (Número de Referência B2026-08-03). O estudo utilizou dados genéticos e transcriptômicos em nível de resumo, coletados retrospectivamente e desidentificados, incluindo dados de acesso controlado aprovados por Comitês de Acesso a Dados provenientes de EGAD00010001657 e conjuntos de dados obtidos do GEO, eQTLGen e GTEx, conforme as respectivas condições aplicáveis de acesso e uso. Nenhum novo participante foi recrutado, nenhuma amostra biológica foi coletada e nenhum dado em nível individual identificável foi acessado. A aprovação ética e o consentimento informado para os estudos originais foram obtidos pelos respectivos geradores dos dados, e os dados de acesso controlado foram utilizados conforme o Acordo de Acesso a Dados aplicável.
Desenho do estudo
Este estudo empregou uma estrutura multietapas para priorizar genes relacionados à ferroptose associados à suscetibilidade ao glioblastoma (GBM) e para avaliar seus efeitos transcricionais relevantes para a doença (Figura 1). Primeiramente, genes relacionados à ferroptose curados do FerrDb V2 foram avaliados utilizando aleatorização mendeliana de duas amostras (MR) com dados de locus de traço quantitativo de expressão em cis (cis-eQTL) e um grande estudo de associação genômica ampla (GWAS) para GBM. A MR ponderada pela variância inversa (IVW) serviu como método primário de triagem, a aleatorização mendeliana ponderada bayesiana (BWMR) forneceu uma avaliação complementar da robustez, e um conjunto de dados eQTL independente foi utilizado para a MR na fase de replicação. Em segundo lugar, os genes apoiados pelas análises genéticas foram avaliados em três coortes transcriptômicas independentes de tumor versus controle, seguidos por meta-análise entre coortes. Terceiro, dados transcriptômicos de células únicas derivadas de pacientes foram utilizados para realizar perturbação gênica virtual em células malignas e identificar respostas transcricionais downstream reprodutíveis. Essas respostas foram posteriormente caracterizadas por meio de análises de enriquecimento funcional e de redes compartilhadas. No geral, as análises genéticas foram projetadas para identificar genes associados à suscetibilidade ao GBM, enquanto as análises transcriptômicas e de célula única avaliaram a concordância biológica e geraram hipóteses para validação experimental subsequente.
Fontes de dados
Genes relacionados à ferroptose foram obtidos do FerrDb V2, resultando em 483 genes humanos únicos com codificação proteica após a harmonização dos símbolos gênicos e remoção de entradas duplicadas14. As estatísticas sumárias de locus de traço quantitativo de expressão cis (cis-eQTL) em sangue total do Consórcio eQTLGen foram utilizadas como conjunto de dados de exposição para a randomização mendeliana (MR) na fase de descoberta, enquanto os dados cis-eQTL de sangue total da versão V10 do GTEx serviram como conjunto de dados de exposição independente para a MR na fase de replicação11,15. As associações com o desfecho de glioblastoma (GBM) foram obtidas de estatísticas sumárias de estudo de associação genômica ampla (GWAS) com acesso controlado disponíveis no European Genome-phenome Archive, compreendendo 6.183 casos e 18.169 controles de ascendência europeia16. A expressão tecidual dos genes geneticamente priorizados foi avaliada em três coortes independentes do Gene Expression Omnibus (GEO): GSE196533, composta por 61 amostras de glioma grau 4 anotadas como GBM nas metainformações depositadas e nove amostras cerebrais não neoplásicas; GSE4290, composta por amostras de GBM e amostras cerebrais não tumorais derivadas de epilepsia; e GSE116520, contendo espécimes pareados do núcleo tumoral e peritumorais, juntamente com controles não neoplásicos17,18,19. Dados de Smart-seq2 derivados de pacientes de GSE131928 foram utilizados para análise de perturbação virtual em células malignas20. As características dos conjuntos de dados e seus respectivos papéis analíticos são resumidas na Tabela 1. Todas as análises foram realizadas utilizando conjuntos de dados previamente coletados e desidentificados, para os quais a aprovação ética e o consentimento informado haviam sido obtidos nos estudos originais.
Seleção do instrumento genético e harmonização dos dados
Os instrumentos candidatos foram restritos a locos de características quantitativas da expressão em cis (cis-eQTLs) associados à expressão gênica com significância em nível genômico (P < 5 × 10⁻8). As variantes foram agrupadas utilizando o painel de referência europeu do Projeto 1000 Genomas com um limiar de desequilíbrio de ligação (LD) de r2 < 0,001 dentro de uma janela de 10.000 kb. Genes que mantiveram menos de três instrumentos independentes após o agrupamento foram excluídos da análise primária de randomização mendeliana (MR). Dado o objetivo exploratório de triagem, um mínimo de três instrumentos foi pré-especificado para manter genes com suporte escasso, mas forte, de cis-eQTLs, ao mesmo tempo em que permitia a estimativa IVW com múltiplos instrumentos. Esse limiar foi acompanhado por agrupamento rigoroso de LD e filtragem por estatística F; as estimativas baseadas apenas em três ou quatro instrumentos foram interpretadas com cautela, e análises de sensibilidade foram realizadas somente quando metodologicamente aplicáveis. A força do instrumento foi avaliada para cada variante utilizando a estatística F (F = β2/SE2), onde β e SE representam, respectivamente, a estimativa do efeito do cis-eQTL e seu erro padrão. Variantes com F < 10 foram excluídas para minimizar o viés de instrumentos fracos21,22. Os conjuntos de dados de exposição e desfecho foram harmonizados alinhando os alelos de efeito e as direções dos efeitos. Variantes duplicadas, variantes indisponíveis no conjunto de dados GWAS de GBM e variantes com codificação alélica incompatível foram excluídas. Como as frequências alélicas de efeito não estavam disponíveis para o GWAS de GBM, variantes palindrômicas com orientação de fita ambígua foram removidas em vez de inferidas. Pela mesma razão, um teste formal de direcionalidade Steiger não foi realizado.
Análises de randomização mendeliana
A associação entre expressão gênica predita geneticamente e a suscetibilidade ao GBM foi avaliada utilizando a randomização mendeliana de duas amostras (MR). Na fase de descoberta, apenas genes com pelo menos três instrumentos independentes de locus de traço quantitativo da expressão em cis (cis-eQTL) foram incluídos, e o método ponderado pela variância inversa (IVW) foi utilizado como abordagem analítica principal. As estimativas de efeito foram relatadas como razões de chances (ORs) com intervalos de confiança de 95% (ICs) por aumento de uma unidade na expressão gênica predita geneticamente. Para considerar testes múltiplos entre os genes avaliados, os valores de P do IVW foram ajustados utilizando o procedimento de Benjamini–Hochberg23. Genes com P < 0,05 e uma taxa de descoberta falsa de Benjamini–Hochberg (BH-FDR) < 0,20 foram mantidos como candidatos exploratórios. Esse limiar de FDR relativamente permissivo foi escolhido para reduzir a exclusão prematura de genes potencialmente relevantes durante a fase de descoberta; portanto, o status de candidato foi interpretado em conjunto com análises subsequentes, e não como evidência confirmatória. A randomização mendeliana ponderada por métodos bayesianos (BWMR) foi posteriormente aplicada aos candidatos da fase de descoberta, utilizando os mesmos instrumentos harmonizados24. A concordância entre os resultados do IVW e do BWMR foi avaliada com base tanto na significância estatística quanto na direção do efeito. Quando permitido pelo número de instrumentos disponíveis, foram realizados o teste Q de Cochran, o teste do intercepto MR-Egger, o MR-PRESSO e análises leave-one-out para avaliar heterogeneidade, pleiotropia horizontal, variantes atípicas influentes e o impacto de polimorfismos de nucleotídeo único (SNPs) individuais22.
A RM na fase de replicação foi realizada utilizando dados de eQTL cis em sangue total do GTEx V10. O método da razão de Wald foi aplicado quando apenas um único instrumento estava disponível, enquanto o método IVW foi usado para genes com dois ou mais instrumentos. A replicação foi definida por P < 0,05, BH-FDR < 0,20 e uma direção do efeito consistente com a estimativa correspondente da fase de descoberta. Como várias estimativas de replicação do GTEx foram baseadas em apenas um ou dois instrumentos, elas foram interpretadas como evidência de apoio à replicação, e não como evidência independente de causalidade.
Avaliação transcriptômica entre coortes
Os quatro genes priorizados pelas análises de randomização mendeliana (MR) nas fases de descoberta e replicação foram avaliados em três coortes transcritômicos independentes. Para o GSE196533, os dados brutos de contagem de sequenciamento de RNA foram analisados usando o DESeq225. Os genes com contagens abaixo de 10 em todos os casos, exceto dois, foram excluídos, enquanto os quatro genes-alvo foram mantidos independentemente do filtro de expressão. A expressão diferencial foi avaliada entre 61 amostras de glioma grau 4 anotadas como GBM nas metadados depositados e nove amostras de cérebro não neoplásicas.
Para o GSE4290, quatro amostras sem diagnóstico histopatológico explícito foram excluídas, restando 77 amostras de GBM e 23 amostras de tecido cerebral não tumoral. As intensidades processadas das micromatrizes foram transformadas em log2, normalizadas por quantis e analisadas usando modelos lineares robustos de Bayes empírico implementados no pacote limma26. Quando múltiplas sondas correspondiam ao mesmo gene, a sonda com a maior expressão média em todas as amostras incluídas foi selecionada independentemente da significância na expressão diferencial.
O GSE116520 compreendia espécimes pareados do núcleo tumoral e peritumorais de 17 pacientes, juntamente com oito controles não neoplásicos. Os dados de expressão depositados, transformados pelo logaritmo e normalizados por quantis, foram analisados usando o pacote limma. As correlações intra-paciente entre amostras do núcleo tumoral e peritumorais foram consideradas por meio de bloqueio por nível de paciente e da função duplicateCorrelation. A comparação pré-especificada para a meta-análise entre coortes foi núcleo tumoral versus controle, enquanto as comparações peritumorais e a tendência ordenada controle–peritumoral–núcleo tumoral foram avaliadas separadamente.
As mudanças específicas do estudo no log2 e os erros padrão foram agrupados usando um modelo de efeitos aleatórios com máxima verossimilhança restrita e inferência de Hartung–Knapp, conforme implementado no metafor. A heterogeneidade entre estudos foi avaliada usando a estatística Q de Cochran e o I2. Os valores P agrupados para os quatro genes-alvo foram ajustados usando o procedimento de Benjamini–Hochberg. O suporte transcripcional forte foi definido por uma taxa de falsa descoberta (FDR) da meta-análise < 0,05, significância do FDR ao nível da coorte em pelo menos dois conjuntos de dados e direções de efeito concordantes em todas as três coortes.
Análise virtual de nocaute em célula única
Foram utilizados dados de Smart-seq2 derivados de pacientes de GSE131928 para avaliar os quatro genes replicados por MR em células malignas. Células malignas adultas foram identificadas de acordo com as anotações fornecidas no estudo original, e números iguais de células foram amostrados aleatoriamente de cada paciente elegível para minimizar o desequilíbrio na representação dos pacientes. O knockout virtual foi realizado usando o scTenifoldKnk e repetido em cinco execuções independentes. Genes com P ajustado por Benjamini–Hochberg < 0,05 em uma execução individual foram considerados significativos. Genes downstream reproduzidos em pelo menos três das cinco execuções foram definidos como o conjunto primário de consenso, enquanto um critério mais rigoroso de quatro em cinco foi utilizado para análise de sensibilidade. Esses resultados foram interpretados como previsões computacionais de perturbação transcricional, e não como evidência de regulação molecular direta.
Enriquecimento funcional e análise de rede compartilhada
A análise de enriquecimento funcional foi realizada utilizando genes downstream específicos do alvo identificados de forma reprodutível em pelo menos três de cinco execuções virtuais de interrupção gênica. O enriquecimento de vias do Gene Ontology (GO), Kyoto Encyclopedia of Genes and Genomes (KEGG) e Reactome foi avaliado usando testes hipergeométricos unilaterais, com o conjunto de fundo composto pelos 1.004 genes incluídos na inferência da rede. Os valores de P foram ajustados separadamente para cada base de dados de anotação utilizando o procedimento de Benjamini–Hochberg, e um valor de P ajustado < 0,05 foi considerado estatisticamente significativo.
Uma rede bipartida foi construída para representar as relações entre os quatro alvos de interrupção gênica e seus genes reguladores downstream de consenso. Genes associados a múltiplos alvos foram identificados com base em seu grau compartilhado, e a sobreposição entre conjuntos de genes específicos de cada alvo foi quantificada por meio de contagens de interseção e índices de Jaccard. As arestas da rede representam associações entre perturbações computacionais reprodutíveis e não devem ser interpretadas como evidência de interações moleculares diretas.
Análise estatística e reprodutibilidade
Salvo indicação em contrário, os testes estatísticos foram bicaudais e as comparações múltiplas foram controladas utilizando o procedimento de Benjamini–Hochberg. Os critérios de significância específicos para cada análise são descritos nas respectivas subseções. Todas as análises foram realizadas utilizando R ou Python. Os procedimentos aleatórios utilizaram sementes pré-especificadas, e o código analítico, as versões do software e as configurações detalhadas dos parâmetros foram arquivados para garantir a reprodutibilidade. Todos os conjuntos de dados foram previamente coletados e desidentificados; a aprovação ética e o consentimento informado foram obtidos nos estudos originais.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Seleção de genes relacionados à ferroptose e instrumentos genéticos
Um total de 483 genes relacionados à ferroptose foi obtido do FerrDb V2 (Figura 1). Dentre estes, 315 genes foram associados ao conjunto de dados eQTLGen e tinham pelo menos um locus candidato de traço quantitativo de expressão cis (cis-eQTL). Após o agrupamento por desequilíbrio de ligação, 250 genes mantiveram pelo menos três instrumentos candidatos independentes. Após consulta ...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Este estudo integrou associação genética, aleatorização mendeliana (MR) em estágio de replicação, transcriptômica tumoral e modelagem de células únicas derivadas de pacientes para priorizar genes relacionados à ferroptose associados à suscetibilidade ao glioblastoma (GBM). A triagem de 483 genes curados frente a um estudo de associação genômica ampla (GWAS) de GBM, composto por 6.183 casos e 18.169 controles, identificou 34 candidatos em estágio de descoberta, dos quais quatro — ATG7, RPTOR, MAP1LC3A e CHMP6 — foram apoi...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Os autores declaram não haver conflitos de interesses.
Os autores agradecem à equipe de Genômica do Câncer do Instituto de Pesquisa sobre o Câncer pela disponibilização dos dados resumidos do estudo de associação do genoma inteiro (GWAS) de glioma por meio do European Genome-phenome Archive (conjunto de dados EGAD00010001657). A geração original desses dados foi financiada pelo Cancer Research UK, incluindo o Bobby Moore Fund, o Wellcome Trust e o DJ Fielding Medical Research Trust (C1298/A8362).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| BWMR | Pacote R | BWMR | Randomização mendeliana bayesiana ponderada |
| DESeq2 | Bioconductor | Versão 1.46.0 | Análise de expressão diferencial em sequenciamento de RNA |
| FerrDb V2 | FerrDb | Versão 2 | Fonte de 483 genes relacionados à ferroptose curados |
| Microarranjo em massa de glioblastoma | NCBI Gene Expression Omnibus | GSE4290 | Cohorte de avaliação transcriptômica |
| Estatísticas sumárias de GWAS de glioblastoma | European Genome-phenome Archive | EGAD00010001657 | Dados de resultado com acesso controlado; 6.183 casos e 18.169 controles |
| Sequenciamento de RNA de única célula Smart-seq2 de glioblastoma | NCBI Gene Expression Omnibus | GSE131928 | Análise de eliminação virtual em células malignas |
| Sequenciamento de RNA em massa de glioma grau 4 | NCBI Gene Expression Omnibus | GSE196533 | Cohorte de avaliação transcriptômica |
| Estatísticas sumárias de eQTL cis em sangue total do GTEx | Projeto Genotype-Tissue Expression | GTEx V10 | Dados de exposição na fase de replicação |
| limma | Bioconductor | Versão 3.62.2 | Análise de expressão diferencial em microarranjo |
| metafor | Pacote R | Versão 4.8-0 | Meta-análise com efeitos aleatórios |
| R | Foundation for Statistical Computing R | Versão 4.4.2 | Ambiente de computação estatística |
| scTenifoldKnk | Pacote R | Versão 1.0.3 | Análise de eliminação virtual em nível de célula única |
| Microarranjo em massa do núcleo tumoral e peritumoral | NCBI Gene Expression Omnibus | GSE116520 | Cohorte de avaliação transcriptômica |
| TwoSampleMR | Pacote R | Versão 0.6.29 | Randomização mendeliana de duas amostras |
| Estatísticas sumárias de eQTL cis em sangue total | Consortium eQTLGen | eQTLGen | Dados de exposição na fase de descoberta |
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.