Using a Xenograft Model of Human Breast Cancer Metastasis to Find Genes Associated with Clinically Aggressive Disease
Notice bibliographique
Résumé
Metastasis is the primary cause of death from breast cancer. A xenograft model was used to identify genes potentially involved with metastasis, comparing expression in the poorly metastatic GI101A human breast cancer cell line and a highly metastatic variant, GILM2. cDNA microarray analyses of these isogenic variants were done using 16K Operon 70-mer oligonucleotide microarray slides. Differentially expressed genes were identified by ANOVA, and differences of > or =2.5-fold were found for 106 genes. Changes in protein or RNA expression were confirmed for 10 of 12 genes. Three markers, heat shock protein 70 (HSP-70), chemokine (C-X-C motif) ligand 1 (CXCL-1), and secreted leukocyte protease inhibitor (SLPI), were studied further with breast cancer tissue microarrays using a novel method of automated quantitative analysis. This uses cytokeratin to define pixels as breast cancer (tumor mask) within the tissue array spot and then measures intensity of marker expression using a cyanine 5-conjugated antibody within the mask. Scores were correlated with clinicopathologic variables. High HSP-70 expression and high nuclear CXCL-1 expression in primary tumors were both associated with decreased survival (P = 0.05 and 0.027, respectively). Expression of each marker was strongly associated with lymph node involvement (P = 0.0002, 0.008, 0.0012, and 0.012 for HSP-70, nuclear CXCL-1, cytoplasmic CXCL-1, and SLPI, respectively). Identification of genes associated with metastasis in experimental models may have clinical implications for the management of breast cancer, because some of these are associated with lymph node metastasis and survival and might be useful as prognostic markers or molecular targets for novel therapies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».