Steroid Receptor RNA Activator Protein (SRAP): A Potential New Prognostic Marker for Estrogen Receptor-Positive/Node-Negative/Younger Breast Cancer Patients.
Notice bibliographique
Résumé
Abstract Purpose: The steroid receptor RNA activator (SRA) is a functional RNA suspected to participate in the mechanisms underlying breast tumor progression. This RNA is also able to encode for a protein, SRAP, whose exact function remains to be determined. Our aim was to assess, in a large breast cancer cohort, whether levels of this protein could be associated with outcome or established clinical parameters.Experimental Design: Following antibody validation, we have assessed SRAP expression by tissue-microarray (TMA) analysis of 372 tumors with known steroid receptor and node status. Clinical follow-up was available for all the corresponding patients. Immunohistochemical scores were independently determined by two investigators and averaged. Statistical analyses were performed using standard univariate and multivariate tests.Results: SRAP levels were significantly (Mann-Whitney rank sum test, P<0.05) higher in estrogen receptor-alpha positive (ER+, n = 273), in progesterone receptor positive (PR+, n= 256) and in older patients (age ≥ 65 years, n = 183). When considering ER+ tumors, PR+ tumors, or young patients (< 65 years), patients with high SRAP expression had a significantly (Mantel-Cox test, P < 0.05) worse breast cancer specific survival (BCSS) than patients with low SRAP levels. SRAP also appeared as a very powerful indicator of poor prognostic for BCSS in the subset of ER+, node negative and young breast cancer patients (Cox regression analysis, n = 60, BCSS Hazard Ratio=13.937, P<0.0001).Conclusion: Our data suggest that SRAP might be a new predictor of breast cancer specific survival in younger breast cancer patients with ER+/node negative tumors. Citation Information: Cancer Res 2009;69(24 Suppl):Abstract nr 2017.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».