Correlation of ERG Expression and DNA Methylation Biomarkers with Adverse Clinicopathologic Features of Prostate Cancer
Notice bibliographique
Résumé
PURPOSE: Fusion of the TMPRSS2 gene with the ERG oncogene and aberrant DNA methylation patterns are commonly found in prostate cancer. The aim of this study was to analyze the relationship between ERG expression, DNA methylation of three biomarkers, and clinicopathologic features of prostate cancer. EXPERIMENTAL DESIGN: Immunohistochemistry for ERG protein was conducted as a surrogate for TMPRSS2-ERG fusions. We analyzed methylation of CYP26A1, TBX15, and HOXD3 in 219 prostatectomy specimens by the quantitative MethyLight assay. DNA methylation was compared between ERG-positive and -negative cases and correlations of ERG and DNA methylation with clinicopathologic features were analyzed using χ(2), Spearman correlation, logistic regression, and Cox regression. RESULTS: ERG expression varied according to Gleason pattern (almost absent in pattern II, highest in pattern III, and lower in pattern IV/V) and showed a strong positive correlation with methylation levels of CYP26A1, TBX15, and HOXD3 (Spearman P < 0.005). TBX15 and HOXD3 methylation were significantly associated with pathologic stage, Gleason score, and Gleason pattern (P ≤ 0.015). In multivariate regression analysis, PSA, TBX15 high methylation, and HOXD3 high methylation were significantly associated with stage (P < 0.05), whereas ERG expression was negatively correlated with Gleason score (P = 0.003). In univariate time-to-recurrence analysis, a combination of HOXD3/TBX15 high methylation predicted recurrence in ERG-positive and -negative cases (P < 0.05). CONCLUSIONS: CYP26A1, TBX15, and HOXD3 are methylation markers of prostate cancer associated with ERG expression and clinicopathologic variables, suggesting that incorporation of these markers may be useful in a pre- and posttreatment clinical setting.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».