Epidermal growth factor receptor mutation‐specific immunohistochemical antibodies in lung adenocarcinoma
Notice bibliographique
Résumé
AIMS: We investigated the sensitivity and specificity of two novel Epidermal growth factor receptor (EGFR) mutation-specific antibodies in the detection of the most common EGFR mutations in lung adenocarcinoma. METHODS AND RESULTS: A total of 241 resected lung adenocarcinoma specimens and six resected post-neoadjuvant gefitinib adenocarcinomas were analysed for EGFR mutation using mass spectrometry, fragment analysis and direct PCR sequencing platforms. Tissue arrays and/or full sections of these cases were evaluated using immunohistochemistry with two novel antibodies (clones SP125 and SP111) and two previously reported antibodies (clones 43B2 and 6B6), specific for L858R or 15-nucleotide exon-19 deletion EGFR mutations. SP125 antibody detected EGFR L858R mutation with a sensitivity of 76% and positive predictive value of 73%. SP111 antibody stained the 15-nucleotide EGFR exon-19 deletions with a sensitivity of 83% and a positive predictive value of 94%. Pretreatment with gefitinib did not affect antibody performance. Full-section immunohistochemical staining detected heterogeneous mutant EGFR proteins expression in tumours, and revealed L858R mutation in the non-neoplastic bronchial epithelium adjacent to EGFR L858R-carrying carcinomas in three of 16 (19%) cases. CONCLUSIONS: Immunohistochemistry using EGFR mutant-specific antibodies may be useful in shortening the diagnostic time of lung adenocarcinoma with most common EGFR mutations, especially in samples with low tumour cellularity.
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 | 0,000 |
| 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 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 ».