High-Resolution Mapping of Genomic Imbalance and Identification of Gene Expression Profiles Associated with Differential Chemotherapy Response in Serous Epithelial Ovarian Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Array comparative genomic hybridization (aCGH) and microarray expression profiling were used to subclassify DNA and RNA alterations associated with differential response to chemotherapy in ovarian cancer. Two to 4 Mb interval arrays were used to map genomic imbalances in 26 sporadic serous ovarian tumors. Cytobands 1p36, 1q42-44, 6p22.1-p21.2, 7q32.1-q34 9q33.3-q34.3, 11p15.2, 13q12.2-q13.1, 13q21.31, 17q11.2, 17q24.2-q25.3, 18q12.2, and 21q21.2-q21.3 were found to be statistically associated with chemotherapy response, and novel regions of loss at 15q11.2-q15.1 and 17q21.32-q21.33 were identified. Gene expression profiles were obtained from a subset of these tumors and identified a group of genes whose differential expression was significantly associated with drug resistance. Within this group, five genes (GAPD, HMGB2, HSC70, GRP58, and HMGB1), previously shown to form a nuclear complex associated with resistance to DNA conformation-altering chemotherapeutic drugs in in vitro systems, may represent a novel class of genes associated with in vivo drug response in ovarian cancer patients. Although RNA expression change indicated only weak DNA copy number dependence, these data illustrate the value of molecular profiling at both the RNA and DNA levels to identify small genomic regions and gene subsets that could be associated with differential chemotherapy response in ovarian cancer.
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.
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 découle