The importance of ctokeratins in the early detection of oral squamous cell carcinoma
Notice bibliographique
Résumé
Background: Oral cancer is usually diagnosed at advanced stages. The pattern of keratin expression in normal epithelia and the change in their expression in premalignant lesions and carcinomas have suggested the possibilities of improving diagnosis. The aim of this study is to determine the use of acidic cytokeratins (CKs) as biomarkers of histopathological progression in oral carcinogenesis. Materials and Methods: A total of 50 paraffin blocks of histological specimens diagnosed as hyperplastic epithelium, dysplastic epithelium, well-differentiated squamous cell carcinoma (SCC) and poorly-differentiated SCC (10 specimens each) were included in this study, in addition to 10 normal oral mucosal samples. All samples were stained immunohistochemically with CKs (10-ab1, 14, 16-ab1, 18-dc10 and 19-abs10) using Ventana Medical Systems (Arizona-USA). The expression of CKs antigen was evaluated as absent, mild, moderate and severe. Results: CK10-ab1 was found to be positive in the suprabasal layers of all specimens in normal and hyperplastic epithelium, while it was moderate in dysplastic epithelium and mild in well-differentiated SCC. CK10-ab1 was negative in all samples with poorly-differentiated SCC ( P < 0.005). CK14 was positive in all specimens of all groups whereas CK16-ab1 was negative in all specimens of all groups. The stain of CKs 18-dc10 and 19-abs10 was restricted to the basal cells only in normal, hyperplastic and dysplastic epithelium, while it was mild in well-differentiated and poorly-differentiated SCC ( P < 0.01). Conclusion: CK10-ab1 disappeared gradually with the progression of malignant changes of squamous cells whereas CKs 18-dc10 and 19-abs10 increased gradually at the same time. Such changes in the protein mapping of squamous cells need more investigation for a better understanding of oral SCC.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».