Integration of <i>ERG</i> gene mapping and gene‐expression profiling identifies distinct categories of human prostate cancer
Notice bibliographique
Résumé
OBJECTIVE: To integrate the mapping of ERG alterations with the collection of expression microarray (EMA) data, as previous EMA analyses have failed to consider the genetic heterogeneity and complex patterns of ERG alteration frequently found in cancerous prostates. MATERIALS AND METHODS: We determined genome-wide expression levels with GeneChip Human Exon 1.0 ST arrays (Affymetrix, Santa Clara, CA, USA) using RNA prepared from 35 specimens of prostate cancer from 28 prostates. RESULTS: The expression profiles showed clustering, in unsupervised hierarchical analyses, into two distinct prostate cancer categories, with one group strongly associated with indicators of poor clinical outcome. The two categories are not tightly linked to ERG status. By analysis of the data we identified a subgroup of cancers lacking ERG rearrangements that showed an outlier pattern of SPINK1 mRNA expression. There was a major distinction between ERG rearranged and non-rearranged cancers that involves the levels of expression of genes linked to exposure to beta-oestradiol, and to retinoic acid. CONCLUSIONS: Expression profiling of prostate cancer samples containing single patterns of ERG alterations can provide novel insights into the mechanism of prostate cancer development, and support the view that factors other than ERG status are the major determinants of poor clinical outcome.
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) | 0,001 | 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 | 0,001 |
| 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 ».