Clinical application of human telomerase reverse transcriptase gene expression in thyroid follicular tumors by fine-needle aspirations using in situ hybridization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Most of fine-needle aspiration (FNA) biopsies for follicular tumors of the thyroid are deemed 'indeterminate' or 'suspicious' with regard to malignancy, even though most of these lesions are benign. Therefore, additional diagnostic markers of malignancy are needed. Telomerase activity is present in most malignant tumors. Expression of the gene encoding human telomerase reverse transcriptase (hTERT) is very closely associated with telomerase activity, this gene is overexpressed in most thyroid carcinomas. We examined telomerase activity by the telomeric repeat amplification protocol (TRAP) and hTERT gene expression by in situ hybridization (ISH) in thyroid tissue including 6 follicular carcinomas and 15 follicular adenomas. ISH for hTERT gene was performed using FNA samples from the same patients. Telomerase activity was detected in all six of the follicular carcinomas and in five (33%) of the 15 follicular adenoma tissue specimens. hTERT gene expression was detected the follicular cancer cells in all of the lesions and in one (7%) of the 15 thyroid adenomas. Moreover, we demonstrated that hTERT gene expression was occurring in four (67%) of the 6 follicular carcinoma biopsy specimens obtained using FNA. These results suggest that the detection of hTERT gene expression using ISH tissue specimens can be used to distinguish between benign and malignant follicular lesions of the thyroid, however the detection of hTERT gene in FNA samples using ISH cannot be used to definitively diagnose follicular tumors of the thyroid.
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.
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 | 0,001 | 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 découle