Differential expression of mi<scp>RNAs</scp> in the serum of patients with high‐risk oral lesions
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
Oral cancer is one of the most commonly diagnosed cancers worldwide. Disease is often diagnosed at later stages, which is associated with a poor 5-year survival rate and a high rate of local recurrence. MicroRNAs (miRNAs), a group of small, noncoding RNAs, can be isolated from blood serum samples and have demonstrated utility as biomarkers in multiple cancer types. The aim of this study was to examine the expression profiles of circulating miRNAs in the serum of patients with high-risk oral lesions (HRLs; oral cancer or carcinoma in situ) and to explore their utility as potential oral cancer biomarkers. Global serum miRNA profiles were generated using quantitative PCR method from 1) patients diagnosed with HRLs and undergoing intent-to-cure surgical treatment (N = 30) and 2) a demographically matched, noncancer control group (N = 26). We next honed our list of serum miRNAs associated with disease by reducing the effects of interpatient variability; we compared serum miRNA profiles from samples taken both before and after tumor resections (N = 10). Based on these analyses, fifteen miRNAs were significantly upregulated and five were significantly downregulated based on presence of disease (minimum fold-change >2 in at least 50% of samples, P < 0.05, permutation). Five of these miRNAs (miR-16, let-7b, miR-338-3p, miR-223, and miR-29a) yielded an area under the ROC curve (AUC) >0.8, suggesting utility as noninvasive biomarkers for detection of oral cancer or high-grade lesions. Combining these serum miRNA profiles with other screening techniques could greatly improve the sensitivity in oral cancer detection.
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 | 0,000 | 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 découle