Performance of an Adipokine Pathway-Based Multilocus Genetic Risk Score for Prostate Cancer Risk Prediction
Notice bibliographique
Résumé
Few biomarkers are available to predict prostate cancer risk. Single nucleotide polymorphisms (SNPs) tend to have weak individual effects but, in combination, they have stronger predictive value. Adipokine pathways have been implicated in the pathogenesis. We used a candidate pathway approach to investigate 29 functional SNPs in key genes from relevant adipokine pathways in a sample of 1006 men eligible for prostate biopsy. We used stepwise multivariate logistic regression and bootstrapping to develop a multilocus genetic risk score by weighting each risk SNP empirically based on its association with disease. Seven common functional polymorphisms were associated with overall and high-grade prostate cancer (Gleason≥7), whereas three variants were associated with high metastatic-risk prostate cancer (PSA≥20 ng/mL and/or Gleason≥8). The addition of genetic variants to age and PSA improved the predictive accuracy for overall and high-grade prostate cancer, using either the area under the receiver-operating characteristics curves (P<0.02), the net reclassification improvement (P<0.001) and integrated discrimination improvement (P<0.001) measures. These results suggest that functional polymorphisms in adipokine pathways may act individually and cumulatively to affect risk and severity of prostate cancer, supporting the influence of adipokine pathways in the pathogenesis of prostate cancer. Use of such adipokine multilocus genetic risk score can enhance the predictive value of PSA and age in estimating absolute risk, which supports further evaluation of its clinical significance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».