Blood-Based Biomarkers of Aggressive Prostate Cancer
Notice bibliographique
Résumé
PURPOSE: Prostate cancer is a bimodal disease with aggressive and indolent forms. Current prostate-specific-antigen testing and digital rectal examination screening provide ambiguous results leading to both under-and over-treatment. Accurate, consistent diagnosis is crucial to risk-stratify patients and facilitate clinical decision making as to treatment versus active surveillance. Diagnosis is currently achieved by needle biopsy, a painful procedure. Thus, there is a clinical need for a minimally-invasive test to determine prostate cancer aggressiveness. A blood sample to predict Gleason score, which is known to reflect aggressiveness of the cancer, could serve as such a test. MATERIALS AND METHODS: Blood mRNA was isolated from North American and Malaysian prostate cancer patients/controls. Microarray analysis was conducted utilizing the Affymetrix U133 plus 2·0 platform. Expression profiles from 255 patients/controls generated 85 candidate biomarkers. Following quantitative real-time PCR (qRT-PCR) analysis, ten disease-associated biomarkers remained for paired statistical analysis and normalization. RESULTS: Microarray analysis was conducted to identify 85 genes differentially expressed between aggressive prostate cancer (Gleason score ≥8) and controls. Expression of these genes was qRT-PCR verified. Statistical analysis yielded a final seven-gene panel evaluated as six gene-ratio duplexes. This molecular signature predicted as aggressive (ie, Gleason score ≥8) 55% of G6 samples, 49% of G7(3+4), 79% of G7(4+3) and 83% of G8-10, while rejecting 98% of controls. CONCLUSION: In this study, we have developed a novel, blood-based biomarker panel which can be used as the basis of a simple blood test to identify men with aggressive prostate cancer and thereby reduce the overdiagnosis and overtreatment that currently results from diagnosis using PSA alone. We discuss possible clinical uses of the panel to identify men more likely to benefit from biopsy and immediate therapy versus those more suited to an "active surveillance" strategy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».