Automated Quantitative Analysis of HDM2 Expression in Malignant Melanoma Shows Association with Early-Stage Disease and Improved Outcome
Notice bibliographique
Résumé
The incidence of cutaneous malignant melanoma continues to increase every year, and this disease remains the leading cause of skin cancer death in industrialized countries. Despite the aggressive nature of advanced melanoma, there are no standard biological assays in clinical usage that can predict metastasis. This may be due, in part, to the inadequacy of reproducible assessment of protein expression using traditional immunohistochemistry. We have previously described a novel method of quantitative assessment of protein expression (AQUA) with the continuity and accuracy of an ELISA assay but with maintenance of critical spatial information. Here, we modify this technology for the evaluation of protein expression in melanoma. Using a tissue microarray cohort of 405 melanoma lesions and 17 normal skin samples, we analyzed expression of HDM2, the human homologue of murine double minute 2 with automated quantitative analysis. We show that expression levels in the nucleus are significantly higher in primary melanomas than in metastatic lesions. Furthermore, high levels of expression are predictive of better outcome. This study demonstrates that quantitative assessment of protein expression is useful in melanoma to validate potential tissue biomarkers and suggests that human homologue of murine double minute 2 may be a valuable prognostic tool for management of malignant melanoma.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».