Evaluation of protein biomarkers of prostate cancer aggressiveness
Notice bibliographique
Résumé
BACKGROUND: Prognostic multibiomarker signatures in prostate cancer (PCa) may improve patient management and provide a bridge for developing novel therapeutics and imaging methods. Our objective was to evaluate the association between expression of 33 candidate protein biomarkers and time to biochemical failure (BF) after prostatectomy. METHODS: PCa tissue microarrays were constructed representing 160 patients for whom clinicopathologic features and follow-up data after surgery were available. Immunohistochemistry for each of 33 proteins was quantified using automated digital pathology techniques. Relationships between clinicopathologic features, staining intensity, and time to BF were assessed. Predictive modeling using multiple imputed datasets was performed to identify the top biomarker candidates. RESULTS: In univariate analyses, lymph node positivity, surgical margin positivity, non-localized tumor, age at prostatectomy, and biomarkers CCND1, HMMR, IGF1, MKI67, SIAH2, and SMAD4 in malignant epithelium were significantly associated with time to BF. HMMR, IGF1, and SMAD4 remained significantly associated with BF after adjusting for clinicopathologic features while additional associations were observed for HOXC6 and MAP4K4 following adjustment. In multibiomarker predictive models, 3 proteins including HMMR, SIAH2, and SMAD4 were consistently represented among the top 2, 3, 4, and 5 most predictive biomarkers, and a signature comprised of these proteins best predicted BF at 3 and 5 years. CONCLUSIONS: This study provides rationale for investigation of HMMR, HOXC6, IGF1, MAP4K4, SIAH2, and SMAD4 as biomarkers of PCa aggressiveness in larger cohorts.
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) | 0,000 | 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 ».