From gene profiling to diagnostic markers: IL‐18 and FGF‐2 complement CA125 as serum‐based markers in epithelial ovarian cancer
Notice bibliographique
Résumé
We used an oligonucleotide-based DNA microarray to identify potential markers in 39 primary cultures of ovarian cancer specimens compared with 11 primary cultures of normal ovarian epithelia. Differential gene expression of IL-18 and FGF-2 was validated on a subset of samples by quantitative PCR and by IHC, using an independent tissue array of 90 cores of 20 normal ovarian surface epithelia and 70 EOCs representing different grades and pathologies of ovarian disease. We further compared, by ELISA, these two markers with CA125 in sera from 25 cancer-free and 47 ovarian cancer patients. IL-18 and FGF-2 proteins were significantly elevated in tumor tissues (p<0.04) and sera (p<0.05) from patients with ovarian cancer. In combination, the three markers (IL-18, FGF-2, and CA125) showed similar sensitivity in scoring for ovarian cancer (35/45 patients) compared to that of CA125 alone (37/45) and significantly improved the specificity of detection (20/25 patients) compared to each marker individually (15/25 for CA125; 18/25 FGF-2; 16/25 for IL-18). In conclusion we show that a combination of the three serum markers (IL-18, FGF-2 and CA125) is associated with EOC, with higher specificity than CA125 alone. Prospective studies with a large cohort of susceptible ovarian cancer patients will be required to expand these findings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».