MDM2 and CDK4 Immunostainings Are Useful Adjuncts in Diagnosing Well-Differentiated and Dedifferentiated Liposarcoma Subtypes
Notice bibliographique
Résumé
Atypical lipomatous tumor/well-differentiated liposarcoma (ALT-WDLPS) and dedifferentiated liposarcoma (DDLPS) may be difficult to distinguish from benign adipose tumors and from poorly differentiated sarcomas, respectively. Genetically, they are characterized by amplification of MDM2 and CDK4 genes on chromosome 12q13-15. We examined a series of 559 soft tissue tumors (44 ALT-WDLPS, 61 DDLPS, 49 benign adipose tumors, and 405 non-ALT-WDLPS/DDLPS sarcomas) for MDM2 and CDK4 expression using immunohistochemistry. MDM2 and CDK4 immunoexpressions were compared with gene amplification status (as assessed by quantitative PCR and/or comparative genomic hybridization) in 241 neoplasms. Most ALT-WDLPS/DDLPS expressed MDM2 (97%) and CDK4 (92%) as opposed to few benign adipose tumors (MDM2, 5%; CDK4, 2%) and a limited number of non-ALT-WDLSP/DDLPS sarcomas (MDM2, 19%; CDK4, 6%). The sensitivity and specificity of MDM2 and CDK4 immunostainings in identifying ALT-WDLPS/DDLPS among other soft tissue tumors were 97% and 92%, and 83% and 95%, respectively. MDM2 and CDK4 immunostainings were particularly useful to separate ALT-WDLPS from the large group of differentiated adipose tumors, and to distinguish DDLPS from poorly differentiated sarcomas. A strong correlation was observed between MDM2 and CDK4 stainings and gene amplification status. In conclusion, MDM2 and CDK4 immunostainings, which correlate with gene amplification, are helpful adjuncts to differentiate ALT-WDLPS from benign adipose tumors and to separate DDLPS from poorly differentiated sarcomas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».