Immunohistochemical profiling of benign, low malignant potential and low grade serous epithelial ovarian tumors
Notice bibliographique
Résumé
BACKGROUND: Serous epithelial ovarian tumors can be subdivided into benign (BOV), low malignant potential (LMP) or borderline and invasive (TOV) tumors. Although the molecular characteristics of serous BOV, LMP and low grade (LG) TOV tumors has been initiated, definitive immunohistochemical markers to distinguish between these tumor types have not been defined. METHODS: In the present study, we used a tissue array composed of 27 BOVs, 78 LMPs and 23 LG TOVs to evaluate the protein expression of a subset of selected candidates identified in our previous studies (Ape1, Set, Ran, Ccne1 and Trail) or known to be implicated in epithelial ovarian cancer disease (p21, Ccnb1, Ckd1). RESULTS: Statistically significant difference in protein expression was observed for Ccnb1 when BOV tumors were compared to LMP tumors (p = 0.003). When BOV were compared to LG TOV tumors, Trail was significantly expressed at a higher level in malignant tumors (p = 0.01). Expression of p21 was significantly lower in LG tumors when compared with either BOVs (p = 0.03) or LMPs (p = 0.001). We also observed that expression of p21 was higher in LMP tumors with no (p = 0.02) or non-invasive (p = 0.01) implants compared to the LMP associated with invasive implants. CONCLUSION: This study represents an extensive analyse of the benign and highly differentiated ovarian disease from an immunohistochemical perspective.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».