MicroRNA expression as predictor of local recurrence risk in oral squamous cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: Oral squamous cell carcinoma (OSCC) is the sixth most common cancer worldwide with a high rate of recurrence. MicroRNAs (miRNAs) are gene regulators playing an important role in oral carcinogenesis. The purpose of this study was for us to identify and functionally characterize miRNAs that predict recurrence in OSCC. METHODS: We collected 92 OSCC with their normal tissue counterparts and we performed miRNAs expression profiling on 74 OSCC and 38 normal tissues. The association between the expression of miRNAs and clinical outcome was evaluated in the follow-up of 69 patients. RESULTS: Four of the miRNAs deregulated between OSCC and normal tissues are prognostic for recurrence either when considered individually or as a group. Depletion of the expression of prognostic miRNAs inhibit the proliferation of OSCC cells CONCLUSION: MiRNAs are differentially expressed in OSCC versus normal samples. The expression of 4 prognostic miRNA signatures is able to predict recurrence risk independently from other clinical factors in OSCC. © 2015 Wiley Periodicals, Inc. Head Neck 38: E189-E197, 2016.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».