Role for High-Affinity IgE Receptor in Prognosis of Lung Adenocarcinoma Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Cancer development and biology is influenced by the host immune system. Emerging data indicate that the context of immune cell infiltrates may contribute to cancer prognosis. However, the types of infiltrating immune cells that are critical for cancer development remain controversial. In attempts to gain insights into the immune networks that regulate and/or predict tumor progression, gene expression analysis was conducted on microarray datasets of resected tumor samples from 128 early-stage non–small cell lung cancer (NSCLC) adenocarcinoma patients. By limiting analysis to immune-related genes, we identified a 9-gene signature using MAximizing R Square Algorithm that selected for the greatest separation between favorable and adverse prognostic patient subgroups. The prognostic value of this 9-gene signature was validated in 10 additional independently published microarray datasets of lung adenocarcinoma [n = 1,097; overall survival hazard ratio (HR), 2.05; 95% confidence interval, 1.64–2.56; P < 0.0001] and was found to be an independent prognostic indicator relative to tumor stage (overall survival HR, 2.09, 95% confidence interval, 1.65–2.66; P < 0.0001). Network analysis revealed that genes associated with Fcϵ complex (FCER1, MS4A2) formed the largest and most significant pathway of the signature. Using immunohistochemistry, we validated that MS4A2, the β subunit of the IgE receptor expressed on mast cells, is a favorable prognostic indicator and show that MS4A2 gene expression is an independent prognostic marker for early-stage lung cancer patient survival. Cancer Immunol Res; 5(9); 821–9. ©2017 AACR.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle