High frequency of MAGE‐A4 and MAGE‐A9 expression in high‐risk bladder cancer
Notice bibliographique
Résumé
Cancer-testis (CT) genes encode proteins that are ideal targets for cancer immunotherapy because of their restricted expression in normal tissues and frequent expression in cancers. We previously observed that MAGE-A9 was one of the CT genes most frequently expressed in bladder tumors. To confirm that observation and evaluate the potential prognostic value of MAGE-A9 protein, we analyzed its expression by immunohistochemistry in 493 primary bladder tumors and 33 lymph node metastases, in comparison with MAGE-A4 protein, also frequently expressed in bladder tumors. Overall, MAGE-A4 and MAGE-A9 were observed, respectively, in 38% and 63% of nonmuscle-invasive tumors, 48% and 57% of muscle-invasive tumors, 65% and 84% of carcinomas in situ and in 73% and 85% of lymph node metastases. Expression was associated with higher grade (MAGE-A4, p = 0.007; MAGE-A9, p = 0.012). In multivariate Cox regression analyses, expression of MAGE-A9 in pTa tumors was associated with recurrence (HR = 1.829; p = 0.010). In univariate analyses, MAGE-A4 expression in these same tumors was associated with progression to muscle-invasive cancer (HR = 7.417, p = 0.013). MAGE-A9 expression was even more predictive of progression as all tumors that progressed expressed this antigen. In muscle-invasive bladder tumors, no association was found between expression of either MAGE and bladder cancer-specific death. In conclusion, MAGE-A9 is a target of choice for bladder cancer immunotherapy as it is expressed in 60% of bladder tumors, predominantly high-grade tumors, and at higher frequency in pTis and metastatic tumors. Moreover, in pTa tumors, an immunotherapy targeting MAGE-A9 could be protective against recurrence and progression to more advanced cancer.
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 ».