Altered patterns of transcription of the septin gene, <i>SEPT9</i>, in ovarian tumorigenesis
Notice bibliographique
Résumé
Ovarian carcinoma represents the most lethal gynaecological malignancy. A variety of morphological subtypes are recognised (e.g. serous, mucinous, endometrioid), which may be benign, borderline or malignant. While their relationship is controversial, knowledge of the molecular mechanisms of ovarian tumorigenesis may help resolve this issue and perhaps identify early markers of disease. Perturbed patterns of expression of the SEPT9 gene on chromosome 17q25.3 have been implicated in a variety of tumour types including both breast and ovarian neoplasia. In preliminary studies, we showed that SEPT9 mRNA was upregulated in a bank of ovarian tumours, which included benign, borderline and malignant tumours, and reported increased levels of one splice variant, SEPT9_v4*. We now describe a comprehensive analysis of SEPT9 expression specifically in serous and mucinous ovarian tumours (benign, borderline and malignant), using cDNA microarray, semi- and quantitative RTPCR of microdissected archival tumour material. Our data show consistent and specific overexpression of both SEPT9_v1 and SEPT9_v4* transcripts in the epithelial component of ovarian tumours. These transcripts show highest levels of expression in serous and mucinous borderline tumours. SEPT9_v1 is also upregulated in both serous and mucinous carcinomas. Interestingly, highest levels of expression are observed in serous borderline and low-grade tumours rather than high-grade in keeping with a model of progression of benign, borderline and low-grade serous tumours.
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) | 0,001 | 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 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 ».