Promoter Hypermethylation Identifies Progression Risk in Bladder Cancer
Notice bibliographique
Résumé
PURPOSE: New methods to accurately predict an individual tumor behavior are urgently required to improve the treatment of cancer. We previously found that promoter hypermethylation can be an accurate predictor of bladder cancer progression, but it is not cancer specific. Here, we investigate a panel of methylated loci in a prospectively collected cohort of bladder tumors to determine whether hypermethylation has a useful role in the management of patients with bladder cancer. EXPERIMENTAL DESIGN: Quantitative methylation-specific PCR was done at 17 gene promoters, suspected to be associated with tumor progression, in 96 malignant and 30 normal urothelial samples. Statistical analysis and artificial intelligence techniques were used to interrogate the results. RESULTS: Using log-rank analysis, five loci were associated with progression to more advanced disease (RASSF1a, E-cadherin, TNFSR25, EDNRB, and APC; P < 0.05). Multivariate analysis revealed that the overall degree of methylation was more significantly associated with subsequent progression and death (Cox, P = 0.002) than tumor stage (Cox, P = 0.008). Neuro-fuzzy modeling confirmed that these five loci were those most associated with tumor progression. Epigenetic predictive models developed using artificial intelligence techniques identified the presence and timing of tumor progression with 97% specificity and 75% sensitivity. CONCLUSION: Promoter hypermethylation seems a reliable predictor of tumor progression in bladder cancer. It is associated with aggressive tumors and could be used to identify patients with either superficial disease requiring radical treatment or a low progression risk suitable for less intensive surveillance. Multicenter studies are warranted to validate this marker.
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 | 0,007 | 0,001 |
| 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 | 0,001 |
| 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 ».