Sensitive molecular detection of small nodal metastasis in uterine cervical cancer using HPV16-E6/CK19/MUC1 cancer biomarkers
Notice bibliographique
Résumé
Metastatic nodal involvement is a critical prognostic factor in uterine cervical cancer (UCC). To improve current methods of detecting UCC metastases in lymph nodes (LNs), we used quantitative PCR (qPCR) to assess mRNA expression of potential metastatic biomarkers. We found that expression of HPV16-E6, cytokeratin19 (CK19), and mucin1 (MUC1) is consistently upregulated in tumors and metastatic tissues, supporting a role for these genes in UCC progression. These putative biomarkers were able to predict the presence of histologically positive metastatic LNs with respective sensitivities and specificities of 82% and 99% (CK19), 76% and 95% (HPV16-E6), and 76% and 78% (MUC1). While the biomarkers failed to detect 1.7% to 2.2% of the histologically positive LNs when used individually, combining CK19 and HPV16-E6 enhanced sensitivity and specificity to 100% and 94%, respectively. To explore the sensitivity of qPCR-based detection of varying proportions of invading HPV16-positive UCC cells, we designed a LN metastasis model that achieved a fresh cell detection limit of 0.008% (1:12500 HPV16-positive to HPV16-negative cells), and a paraffin-embedded, formalin-fixed (PEFF) detection limit of 0.02% (1:5000 HPV16-positive to HPV16-negative cells), both of which are within the theoretical detection limit for micrometastasis. Thus, HPV E6/E7 oncogenes may be useful targets for the ultrasensitive detection of nodal involvements like micrometastases in fresh or archived tissue samples. Moreover, our results suggest that the biomarker combination of CK19/HPV-E6 could support a real-time intraoperative strategy for the detection of small, but potentially lethal, metastatic nodal involvements in fresh UCC tissues.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».