Prolactin Receptor Expression is an Independent Favorable Prognostic Marker in Human Breast Cancer
Notice bibliographique
Résumé
Prolactin (PRL) hormone plays an important role in the development of the mammary gland and terminal differentiation of the mammary epithelial cells. While initial studies suggested that PRL may contribute to the development of breast cancer through PRL/prolactin receptor (PRLR) autocrine function, mounting evidence indicate a different role for PRL, highlighting this hormone as a regulator of epithelial plasticity and as a potential tumor suppressor. To gain further insights into the role of PRL in human breast carcinogenesis, immunohistochemistry analyses of PRLR protein expression levels using tissue microarray of 102 cases were done in comparison with various clinical/pathologic parameters and molecular subtypes. In addition, gene expression level of PRLR was also evaluated in relation to intrinsic molecular subtypes, tumor grade, and patient outcome using GOBO database for 1881 breast cancer patients. Interestingly, PRLR expression was found to be significantly downregulated in invasive breast cancer (21.4%) in comparison with normal/benign (80%) and in situ carcinoma (60%) (P=0.003498). Moreover, PRLR expression was associated with lymph node negativity and low-grade well-differentiated tumors. PRLR expression was strongest in luminal A subtype, and was virtually undetectable in the worse prognosis triple-negative breast cancer subtype (P=0.00001). Furthermore, PRLR expression was independent of ER, PR, HER-2, and P53 status. Finally, PRLR expression was significantly (P<0.01) associated with prolonged distant metastasis-free survival in breast cancer patients. In conclusion, our results highlight PRLR as an independent predictor of favorable prognosis in human breast 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».