MétaCan
Menu
Retour à la cohorte
Enregistrement W2066877940 · doi:10.1309/ajcpgxk0fr4mhihb

Nectin 4 Overexpression in Ovarian Cancer Tissues and Serum

2010· article· en· W2066877940 sur OpenAlexaff
Melissa S. DeRycke, Stefan E. Pambuccian, C. Blake Gilks, Steve E. Kalloger, Abderrezak Ghidouche, Marc Lopez, Robin Bliss, Melissa A. Geller, Peter A. Argenta, Katherine M. Harrington, Amy P.N. Skubitz

Notice bibliographique

RevueAmerican Journal of Clinical Pathology · 2010
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueGalectins and Cancer Biology
Établissements canadiensBC Cancer Agency
Organismes subventionnairesNational Cancer Institute
Mots-clésOvarian cancerImmunohistochemistryCancerReverse transcriptaseBiomarkerBiologyPathologyNectinFlow cytometryOvaryCancer researchPolymerase chain reactionMedicineCellInternal medicineMolecular biologyEndocrinologyGeneCell adhesion

Résumé

récupéré en direct d'OpenAlex

Early detection of ovarian cancer is difficult owing to the lack of specific and sensitive tests available. Previously, we found expression of nectin 4 to be increased in ovarian cancer compared with normal ovaries. Reverse transcriptase-polymerase chain reaction (RT-PCR) and quantitative RT-PCR validated the overexpression of nectin 4 messenger RNA in ovarian cancer compared with normal ovarian cell lines and tissues. Protein levels of nectin 4 were elevated in ovarian cancer cell lines and tissue compared with normal ovarian cell lines as demonstrated by Western immunoblotting, flow cytometry, and immunohistochemical staining of tissue microarray slides. Cleaved nectin 4 was detectable in a number of patient serum samples by enzyme-linked immunosorbent assay. In patients with benign gynecologic diseases with high serum CA125 levels, nectin 4 was not detected in the majority of cases, suggesting that nectin 4 may serve as a potential biomarker that helps discriminate benign gynecologic diseases from ovarian cancer in a panel with CA125.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,375
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations261
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Clinical PathologyMême sujetGalectins and Cancer BiologyTravaux en français237 207