Primary renal well‐differentiated neuroendocrine tumour (carcinoid): next‐generation sequencing study of 11 cases
Notice bibliographique
Résumé
AIMS: Primary renal well-differentiated neuroendocrine tumour (NET) (hereafter referred to as renal NET) is rare, with ~100 cases having been reported in the literature. There are also limited data on the molecular-genetic background of primary renal NETs. METHODS AND RESULTS: We analysed 11 renal NETs by using next-generation sequencing (NGS) to identify characteristic genetic aberrations. All tumours were positive for synaptophysin, and also expressed insulinoma-associated protein 1 (10/11), chromogranin-A (8/11), and CD56 (3/11). Cytoplasmic positivity of CD99 was present in eight of 11 cases, and strong nuclear expression of α-thalassaemia/mental retardation syndrome X-linked (ATRX) was retained in all 11 cases. Molecular-genetic analysis of aberration of VHL gave negative results in all cases. Loss of heterozygosity on chromosome 3p21 was found in three of nine analysable cases. NGS was successful in nine cases, showing a total of 56 variants being left after the updated filtering process, representing an average of five variants per sample. All analysable cases were negative for ATRX and DAXX (death-domain associated protein X) mutations. The most frequently mutated genes were CDH1 and TET2, with three mutations in two cases. Mutations in AKT3, ROS1, PIK3R2, BCR and MYC were found in two cases. The remaining 41 genes were found to be mutated only in individual cases. In four cases, the mutations affected a subset of genes related to angiogenesis. CONCLUSIONS: Overall, the mutation profile of primary renal NETs is variable, and none of the studied genes or affected pathways seems to be specific for renal NET.
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 | 0,000 |
| 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) | 0,000 | 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 ».