Stability and Heterogeneity of Expression Profiles in Lung Cancer Specimens Harvested Following Surgical Resection
Notice bibliographique
Résumé
One of the major concerns in microarray profiling studies of clinical samples is the effect of tissue sampling and RNA extraction on data. We analyzed gene expression in lung cancer specimens that were serially harvested from tumor mass and snap-frozen at several intervals up to 120 minutes after surgical resection. Global gene expression was profiled on cDNA microarrays, and selected stress and hypoxia-activated genes were evaluated using real-time reverse transcription polymerase chain reaction (RT-PCR). Remarkably, similar gene expression profiles were obtained for the majority of samples regardless of the time that had elapsed between resection and freezing. Real-time RT-PCR studies showed significant heterogeneity in the expression levels of stress and hypoxia-activated genes in samples obtained from different areas of a tumor specimen at one time point after resection. The variations between multiple samplings were significantly greater than those of elapsed time between sampling/freezing. Overall samples snap-frozen within 30 to 60 minutes of surgical resection are acceptable for gene expression studies, thus making sampling and snap-freezing of tumor samples in a routine surgical pathology laboratory setting feasible. However, sampling and pooling from multiple sites of each tumor may be necessary for expression profiling studies to overcome the molecular heterogeneity present in tumor specimens.
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 ».