Genomic Landscape of Pancreatic Adenocarcinoma in Younger versus Older Patients: Does Age Matter?
Notice bibliographique
Résumé
PURPOSE: State-of-the-art genomic analyses of pancreatic adenocarcinoma (PDAC) have yielded insight into signaling pathways underlying carcinogenesis. PDAC is characterized by substantial genomic heterogeneity. We aimed to determine whether early-onset PDAC (EOPC; ≤55 years) displays a distinctive molecular landscape from average-age onset PDAC (AOPC; ≥70 years). EXPERIMENTAL DESIGN: Three distinct datasets for PDAC were analyzed. In the first, patients undergoing treatment at Memorial Sloan Kettering (MSK) were consented for MSK-IMPACT next-generation sequencing. The second cohort analyzed was The Cancer Genome Atlas (TCGA) dataset for differences in somatic mutations, gene expression, and protein expression. The third dataset was an Australian cohort of PDAC. Clinical data were correlated with genomic analyses. RESULTS: displayed higher mutation rates in younger patients. Comprehensive transcriptomic analysis of cellular pathways indicated that the TGFβ pathway has increased activation, and the expression levels of phospho-GSK3 were higher in EOPC. Survival outcomes revealed no differences between age groups. CONCLUSIONS: These exploratory analyses suggest that there may be somatic gene alterations within the population of patients with early-onset PDAC that involve unique cellular pathways compared with average-onset PDAC. Former studies imply these cellular pathways may play a role in smoking-related PDAC carcinogenesis. Larger genomic datasets are warranted for future evaluation to extend these observations.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».