Ki-67 and PCNA expression in prostate cancer and benign prostatic hyperplasia
Notice bibliographique
Résumé
OBJECTIVE: Ki-67 is a proliferation-associated nuclear antigen and is expressed in all cycling cells except for resting cells in the G0-phase. PCNA is an acidic nuclear protein and has been recognized as a histologic marker for the G1/S phase in the cell cycle. Ki-67and PCNA labeling indices are considered to reflect cell proliferation, particularly, growth fraction. The purpose of this study is to investigate the expression levels of Ki-67 and PCNA in prostate cancer (PCa) and benign prostatic hyperplasia (BPH) and their potential on the early diagnosis of PCa. METHODS: Human prostate cancer cell lines LNCaP and PC-3, human normal prostate epithelial cell line HuPEC, tissues from patients with PCa (121 cases) and BPH (45) and 36 normal cases were examined for the expression of Ki-67 and PCNA by Reverse Transcription-Polymerase Chain Reaction (RT-PCR). Then, the association of Ki-67 and PCNA expression with clinical grading of PCa was analyzed by immunohistochemistry staining. RESULTS: The ratios of PCNA and Ki-67 expression levels in LNCaP and PC-3 were higher (P < 0.05, P < 0.001) than that in HuPEC. The two markers were differentially expressed in three tissues and showed increased expression in PCa (P < 0.05) and BPH (P < 0.05), relative to human normal prostate tissues. Compared with BPH, the ratio of Ki-67 and PCNA expressed in tumour tissue was increased (P < 0.05). The increase of Ki-67 was greater than that of PCNA. Expression of the two markers increased after different grading of PCa cases. The values of Ki-67/PCNA were: 0.073 in grade I PCa tissues, 0.119 in grade IIa PCa tissues, 0.141 in grade IIa PCa tissues, 0.234 in grade III PCa tissues. CONCLUSION: The combination of Ki-67 and PCNA, specific proliferative markers of PCa, may improve the accuracy of early diagnosis of prostatic cancer.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 | 0,000 |
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 ».