Classic and Molecular Cytogenetic Analyses Reveal Chromosomal Gains and Losses Correlated with Survival in Head and Neck Cancer Patients
Notice bibliographique
Résumé
PURPOSE: Genetic biomarkers of head and neck tumors could be useful for distinguishing among patients with similar clinical and histopathologic characteristics but having differential probabilities of survival. The purpose of this study was to investigate chromosomal alterations in head and neck carcinomas and to correlate the results with clinical and epidemiologic variables. EXPERIMENTAL DESIGN: Cytogenetic analysis of short-term cultures from 64 primary untreated head and neck squamous cell carcinomas was used to determine the overall pattern of chromosome aberrations. A representative subset of tumors was analyzed in detail by spectral karyotyping and/or confirmatory fluorescence in situ hybridization analysis. RESULTS: Recurrent losses of chromosomes Y (26 cases) and 19 (14 cases), and gains of chromosomes 22 (23 cases), 8 and 20 (11 cases each) were observed. The most frequent structural aberration was del(22)(q13.1) followed by rearrangements involving 6q and 12p. The presence of specific cytogenetic aberrations was found to correlate significantly with an unfavorable outcome. There was a significant association between survival and gains in chromosomes 10 (P = 0.008) and 20 (P = 0.002) and losses of chromosomes 15 (P = 0.005) and 22 (P = 0.021). Univariate analysis indicated that acquisition of monosomy 17 was a significant (P = 0.0012) factor for patients with a previous family history of cancer. CONCLUSIONS: The significant associations found in this study emphasize that alterations of distinct regions of the genome may be genetic biomarkers for a poor prognosis. Losses of chromosomes 17 and 22 can be associated with a family history of 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».