Three-Dimensional Telomere Dynamics in Follicular Thyroid Cancer
Notice bibliographique
Résumé
BACKGROUND: Over the last decade, annual incidence rates for thyroid cancer have been among the highest of all cancers in the Western world. However, the genomic mechanisms impacting thyroid carcinogenesis remain elusive. METHODS: We employed an established mouse model of follicular thyroid cancer (FTC) with a homozygous proline to valine mutation (Thrb(PV/PV)) in the thyroid receptor β1 (TRβ1) and applied quantitative three-dimensional (3D) telomere analysis to determine 3D telomeric profiles in Thrb(PV)(/PV), Thrb(PV/)(+), and Thrb(+/+) mouse thyrocytes before and after histological presentation of FTC. RESULTS: Using quantitative fluorescent in situ hybridization (Q-FISH) and TeloView™ image analysis, we found altered telomeric signatures specifically in mutant mouse thyrocytes. As early as 1 month of age, Thrb(PV/PV) mouse thyrocytes showed more telomeres than normal and heterozygous age-matched counterparts. Importantly, at the very early age of 1 month, 3D telomeric profiles of Thrb(PV/PV) thyrocyte nuclei reveal genetic heterogeneity with several nuclei populations exhibiting different telomere numbers, suggestive of various degrees of aneuploidy within the same animal. This was detected exclusively in Thrb(PV/PV) mice well before the presentation of histological signs of thyroid carcinoma. CONCLUSIONS: We identified quantitative 3D telomere analysis as a novel tool for early detection and monitoring of thyrocyte chromosomal (in)stability. This technique has the potential to identify human patients at risk for developing thyroid carcinoma.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».