Current breast cancer proliferative markers correlate variably based on decoupled duration of cell cycle phases
Notice bibliographique
Résumé
Mitotic count, PhH3, and MIB-1 are used as measures of the proportion of proliferating malignant cells in surgical pathology. They highlight different stages of the cell cycle, but little is known about how this affects their counts. This study assesses the strength of their correlations and attempts to determine the relationship between them. Proliferation counts for forty-nine consecutive cases of invasive breast carcinomas were analyzed, with the same tumor area on each stain counted using digital image analysis. The integrated optical density (IOD) of nuclei was measured as an approximation of nuclear DNA content. PhH3 strongly correlated with mitotic count (r = 0.94). Weaker correlations were found between MIB-1 versus PhH3 (r = 0.79) and mitotic count (r = 0.83). Nuclear IOD showed stronger correlation with MIB-1 (r = 0.37) than to mitotic count (r = 0.23) and PhH3 (r = 0.34). With evidence from a literature review, it is suggested that the weaker correlations with MIB-1 are not explained by count imprecision or error, but relies on temporal decorrelation between cell cycle phases. Consequences on correlation between these proliferative markers are illustrated by mathematical models.
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 ».