Methylation of viral and host genes and severity of cervical lesions associated with human papillomavirus type 16
Notice bibliographique
Résumé
Methylation of human papillomavirus (HPV) and host genes may predict cervical cancer risk. We examined the methylation status of selected sites in HPV16 and human genes in DNA extracted from exfoliated cervical cell samples of 244 women harboring HPV16-positive cancer or cervical intraepithelial neoplasia (CIN) or negative for intraepithelial lesions or malignancy (NILM). We quantified the methylation of CpG sites in the HPV16 L1 gene (CpG 6367 and 6389) and in the human genes EPB41L3 (CpG 438, 427, 425) and LMX1 (CpG 260, 262, 266, 274) following bisulfite treatment and pyrosequencing. Receiver operating characteristic (ROC) curves were used to analyze the diagnostic utility of methylation level for the different sites and for a joint predictor score. Methylation in all sites significantly increased with lesion severity (p < 0.0001). Area under the curve (AUC) was highest among the CIN2/3 vs. cancer ranging from 0.786 to 0.853 among the different sites. Site-specific methylation levels strongly discriminated CIN2/3 from NILM/CIN1 and cancer from CIN2/3 (range of odds ratios [OR]: 3.69-12.76, range of lower 95% confidence bounds: 1.03-4.01). When methylation levels were mutually adjusted for each other EPB41L3 was the only independent predictor of CIN2/3 vs. NILM/CIN1 contrasts (OR = 9.94, 95%CI: 2.46-40.27). High methylation levels of viral and host genes are common among precancerous and cancer lesions and can serve as independent risk biomarkers. Methylation of host genes LMX1 and EPB41L3 and of the viral HPV16 L1 sites has the potential to distinguish among precancerous lesions and to distinguish the latter from invasive disease.
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 ».