Overexpression of fibroblast growth factor receptors FGFR1 and FGFR2 in renal cell carcinoma
Notice bibliographique
Résumé
OBJECTIVE: Fibroblast growth factor/fibroblast growth factor receptor (FGF/FGFR) has recently emerged as a critical event in the transformation and tumorigenicity of several murine and human tumors. This pathway could be a mechanism driving angiogenesis in patients with metastatic renal cell carcinoma (RCC). Membrane antigens such as FGFR expressed in RCC are attractive targets for new therapeutic and diagnostic applications. This study evaluated the expression of FGFR1 and FGFR2 in RCC. MATERIAL AND METHODS: Formalin-fixed, paraffin-embedded specimens of 100 primary tumors and 40 metastatic lymph nodes removed from 140 untreated RCC patients were evaluated by immunohistochemistry with FGFR1 and FGFR2 antibodies. The extent of FGFR expression was compared with 40 specimens of normal human kidney tissue (selected from the surgical diagnostic files). Significant differences in the immunoexpression of FGFR among these groups were assessed bychi-squared and Fisher's exact tests using a semi-quantitative scoring system on the extent of stained cells and intensity of corresponding immunostained cells (0 to 3+). RESULTS: Expression of FGFR1 was observed in 98% (98/100) of primary renal tumors and in 82.5% (33/40) of lymph-node metastases. Intensity was 3+ in allcases. Nuclear expression of FGFR1 was found in 68% (95/140). FGFR2 staining was seen in 4% (4/100) of primary tumors and in 5% (2/40) of lymph-node metastases. FGFR2 was expressed in RCC of non-clear cell histology. FGFR1 expression was significantly lower in the normal kidney tissue(p = 0.001) and was detected in 2.5% of cases (1/40); no FGFR2 expression was found. CONCLUSION: This study has shown for the first time that FGFR1 is highly expressed in RCC patients.
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 | 0,001 |
| 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 ».