Sputum MicroRNA Profiling: A Novel Approach for the Early Detection of Non-Small Cell Lung Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: MicroRNAs (miRNAs) post-transcriptionally regulate hundreds of gene targets involved in tumorigenesis thereby controlling vital biological processes, including cellular proliferation, differentiation and apoptosis. MiRNA profiling is an emerging tool for the potential early detection of a variety of malignancies. This study was conducyed to assess the feasibility and methodological robustness of quantifying sputum miRNAs, employing quantitative real-time polymerase chain reaction (RT-qPCR) and cluster analysis on an optimized miRNA profile as a novel approach for the early detection of non-small cell lung cancer (NSCLC). METHODS: The relative expressions of 11 miRNAs in sputum (miR-21, miR-145, miR-155, miR-205, miR-210, miR-92, miR-17-5p, miR-143, miR-182, miR-372, and let-7a) in addition to U6 were retrospectively assessed in four NSCLC-positive and four negative controls. Subsequently, a set of five miRNAs (miR-21, miR-143, miR-155, miR-210, miR-372) was selected because of degree of relatedness observed in the cluster analysis and tested in the same sputum sample set. The five optimized miRNAs accurately clustered these eight retrospective patients into NSCLC positive cases and negative controls. The five miRNA panel was then prospectively quantified in the sputum of 30 study patients (24 NSCLC cases and six negative controls) in a double-blind fashion to validate a five miRNA panel using hierarchical cluster analysis. RESULTS: The optimized five miRNA panel detected NSCLC (83.3% sensitivity and 100% specificity) in 30 prospectively accrued study patients. CONCLUSION: Sputum miRNA profiling using cluster analysis is a promising approach for the early detection of non-small cell lung cancer. Further investigation using this approach is warranted.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 découle