Protein‐coding and MicroRNA Biomarker Gene Panels Predictive of Clinical Recurrence in Prostate Cancer
Notice bibliographique
Résumé
An important challenge in prostate cancer research is to develop effective predictors of tumor recurrence following surgery. To identify predictive biomarkers, we performed DASL expression profiling with a custom‐designed panel of 522 prostate cancer relevant genes on 71 FFPE radical prostatectomy specimens with long‐term outcome. We identified a panel of eight genes that could be used to predict recurrence (p = 0.001). Furthermore, this gene panel could separate patients with and without recurrence in the subset of 46 patients with Gleason 7 tumors (p = 0.022) for whom the decision regarding adjuvant therapy is particularly important and difficult. We also performed comprehensive miRNA profiling of these samples, and identified six miRNAs predictive of recurrence (p=0.001) for all 71 patients and for the subset of 46 Gleason 7 patients (p=0.032). Following promoter analysis of these miRNA genes, we determined that four of them are directly bound by SOX4 in chromatin immunoprecipitations, suggesting that SOX4 may regulate their expression. Among the potential downstream targets of these miRNA genes are several tumor suppressors involved in cell‐cycle arrest and apoptosis. It may therefore now be possible to increase the accuracy of prognostication for individual patients following radical prostatectomy using universally available archived specimens.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».