Gene expression profiling of primary cultures of ovarian epithelial cells identifies novel molecular classifiers of ovarian cancer
Notice bibliographique
Résumé
In order to elucidate the biological variance between normal ovarian surface epithelial (NOSE) and epithelial ovarian cancer (EOC) cells, and to build a molecular classifier to discover new markers distinguishing these cells, we analysed gene expression patterns of 65 primary cultures of these tissues by oligonucleotide microarray. Unsupervised clustering highlights three subgroups of tumours: low malignant potential tumours, invasive solid tumours and tumour cells derived from ascites. We selected 18 genes with expression profiles that enable the distinction of NOSE from these three groups of EOC with 92% accuracy. Validation using an independent published data set derived from tissues or primary cultures confirmed a high accuracy (87-96%). The distinctive expression pattern of a subset of genes was validated by quantitative reverse transcription-PCR. An ovarian-specific tissue array representing tissues from NOSE and EOC samples of various subtypes and grades was used to further assess the protein expression patterns of two differentially expressed genes (Msln and BMP-2) by immunohistochemistry. This study highlights the relevance of using primary cultures of epithelial ovarian cells as a model system for gene profiling studies and demonstrates that the statistical analysis of gene expression profiling is a useful approach for selecting novel molecular tumour markers.
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 ».