Expression of p16, p53, CD24, EpCAM and Calretinin in Serous Borderline Tumors of the Ovary
Notice bibliographique
Résumé
OBJECTIVE: According to the widely accepted pathway, a serous borderline tumor becomes invasive either by progressing into a noninvasive micropapillary tumor or directly through microinvasion. Our objective was to investigate the role of serous borderline tumors and their accompanying extraovarian lesions in pathogenesis of serous ovarian cancer using immunohistochemistry as a tool. MATERIAL AND METHOD: An immunohistochemical panel of p16, p53, CD24, EpCAM and calretinin was applied to cutting edge matrix assembly-like tissue arrays of 46 cases consisting of typical, focal micropapillary, micropapillary, microinvasive, cystadenoma, and low-grade carcinoma cases. These tissue arrays are better choices than conventional tissue arrays to examine thin walled and heterogenous neoplasia like serous borderline tumors as they facilitate the analysis with linear sections rather than a core. RESULTS: For two tumor supressor gene markers; no diffuse and strong expression of p53, and strong and patchy/heterogenous expression of p16 were detected in all cases. Focal and strong calretinin expression was detected in micropapillary tumors while expression of EpCAM was lost in the same areas. Strong cytoplasmic CD24 expression was detected in cases with peritoneal implants, favoring the theory that change of expression localization of cell adhesion molecules is in accordance with phenotypical changes and tumor progresssion. Furthermore, circumfrential membranous and cytoplasmic expression of CD24 and EpCAM was detected in neoplastic cells in lymph nodes and microinvasion areas. CONCLUSION: Our results show that different levels of serous ovarian tumor progression are accompanied by changes in the immunohistochemical expression pattern of EpCAM, CD24, and calretinin.
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) | 0,000 | 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 ».