Protein Expression of PTEN, Insulin-Like Growth Factor I Receptor (IGF-IR), and Lethal Prostate Cancer: A Prospective Study
Notice bibliographique
Résumé
BACKGROUND: Loss of PTEN has been shown to be associated with aggressive behavior of prostate cancer. It is less clear that loss of PTEN also increases the risk of cancer mortality. We investigated the association between PTEN expression and prostate cancer mortality and the potential effect modification by IGF-IR, a direct activator of the phosphoinositide-3-kinase (PI3K) pathway. METHODS: Protein expression in tumor was evaluated using tumor tissues obtained from 805 participants of the Physicians' Health and the Health Professionals Follow-up studies who were diagnosed with prostate cancer and underwent radical prostatectomy. Proportional hazard models were used to assess PTEN expression and its interaction with IGF-IR, in relation to lethal prostate cancer (cancer-specific death or distant metastases). RESULTS: Low PTEN expression was associated with an increased risk of lethal prostate cancer [HR, 1.7; 95% confidence interval (CI), 0.98-3.2; Ptrend = 0.04]. The association was attenuated after adjustment for Gleason grade, tumor stage, and prostate-specific antigen (PSA) at diagnosis. A significant negative interaction between PTEN and IGF-IR was found (Pinteraction = 0.03). Either reduction in PTEN or increase in IGF-IR expression was sufficient to worsen prognosis. Models including PTEN and IGF-IR expression offer additional predicting power to prostate cancer survival, compared to those only including demographic and clinical factors. CONCLUSIONS: Low PTEN protein expression significantly increases the risk of lethal prostate cancer, particularly when the IGF-IR expression remains at normal level. IMPACT: PTEN and IGF-IR expression in tumor are promising candidates for independent prognostic factors to predict lethal prostate cancer.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 | 0,000 |
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 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 ».