Construction of tissue micro array from prostate needle biopsies using the vertical clustering re‐arrangement technique
Notice bibliographique
Résumé
BACKGROUND: Tissue microarray (TMA) allows for simultaneous rapid expression analysis of multiple molecular targets in many tissue specimens. TMA's are specifically in demand for the screening for diagnostic and prognostic markers in prostate cancer (PC). Consequently, TMAs from prostate needle biopsy (PNB) material taken at diagnosis before any treatment commenced are in demand. However, since PNB contain only limited amount of tumor arranged within a very thin tissue core, TMA construction from PNB is problematic. METHODS: Archival PNB from 30 PC patients with variable Gleason scores (6-10) and % of cores involvement (30-90%) were used. Following selection of representative cores, the paraffin blocks were melted. Each core was sectioned into equal parts of 3-4 mm in length. For each case, a group of fragments was then re-embedded in a vertical orientation. Using Manual TMA Apparatus, 2 mm cores from each of the vertically rearranged fragments were harvested. Sections (4 µm) were stained with H&E and with high-molecular weight cytokeratin (HMWCK), PIN-cocktail (p63 + p504S), and PSA immunohistochemical stains. RESULTS: A TMA from PNB with a capacity of 80 serial 4 µm sections was constructed. In all cases, identical tumor and neighboring tissue morphology (atrophic changes and high-grade prostatic intra-epithelial neoplasia) with no loss of tissue was evident. CONCLUSIONS: The vertical clustering re-arrangement (VCR) technique is suitable for large scale construction of TMA blocks from PNB maintaining the morphological and immunohistochemical characteristics of the original samples. This method is promising both in terms of archival tissue preservation and biomarkers research.
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 ».