Tristetraprolin Is a Prognostic Biomarker for Poor Outcomes among Patients with Low-Grade Prostate Cancer
Notice bibliographique
Résumé
Abstract Background: We studied the utility of the tumor suppressor Tristetraprolin (TTP, ZFP36) as a clinically relevant biomarker of aggressive disease in prostate cancer patients after radical prostatectomy (RP). Methods: TTP RNA expression was measured in an RP cohort of patients treated at Moffitt Cancer Center (MCC) and obtained from six publically available RP datasets with biochemical recurrence (BCR; total n = 1,394) and/or metastatic outcome data (total n = 1,222). TTP protein expression was measured by immunohistochemistry in a tissue microarray of 153 MCC RP samples. The time to BCR or metastasis based on TTP RNA or protein levels was calculated using the Kaplan–Meier analysis. Univariable and multivariable Cox proportional hazard models were performed on multiple cohorts to evaluate if TTP is a clinically relevant biomarker and to assess if TTP improves upon the Cancer of the Prostate Risk Assessment postsurgical (CAPRA-S) score for predicting clinical outcomes. Results: In all of the RP patient cohorts, prostate cancer with low TTP RNA or protein levels had decreased time to BCR or metastasis versus TTP-high tumors. Further, the decreased time to BCR in TTP-low prostate cancer was more pronounced in low-grade tumors. Finally, pooled survival analysis suggests that TTP RNA expression provides independent information beyond CAPRA-S to predict BCR. Conclusions: TTP is a promising prostate cancer biomarker for predicting which RP patients will have poor outcomes, especially for low-grade prostate cancer patients. Impact: This study suggests that TTP RNA expression can be used to enhance the accuracy of CAPRA-S to predict outcomes in patients treated with RP. Cancer Epidemiol Biomarkers Prev; 27(11); 1376–83. ©2018 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».