MicroRNAs as Biomarkers in Pituitary Tumors
Notice bibliographique
Résumé
The use of extracellular microRNAs (miRNAs) as circulating biomarkers is currently leading to relevant advances in the diagnosis and assessment of prognosis of several diseases. Specific miRNAs have also been shown to play a role in the pathophysiology of many neoplastic and non-neoplastic diseases. A number of studies have demonstrated that miRNAs show differential expression in various tumors, such as in the prostate, ovary, lung, breast, brain, and pituitary. Recent findings have built connections between miRNAs that are deregulated within the tumor and their presence in peripheral blood. MiRNAs have been shown to be stable in the blood where they are present in either free and/or uncomplexed form, as well as packed in microvesicles, exosomes, and apoptotic bodies, or bound to different proteins. Because the pituitary is a highly vascularized organ that releases hormones into the circulation, miRNAs would be useful biomarkers for the diagnosis of pituitary tumors, as well as for predicting or detecting recurrence after surgery. Here we review the biological significance of miRNAs in pituitary tumors and the potential value of circulating miRNAs as biomarkers. ABBREVIATIONS: ACTH, adrenocorticotropic hormone AGO, argonaute AKL, α-Klotho GH, growth hormone HCC, hepatocellular carcinoma HDL, high-density lipoprotein miRNA, microRNA NFA, nonfunctioning adenoma nt, nucleotide pre-miRNA, precursor micro-ribonucleic acid PRL, prolactin
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».