Circulating miRNAs as non-invasive biomarkers to predict aggressive prostate cancer after radical prostatectomy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Prostate cancer is an extremely heterogeneous disease. Despite being clinically similar, some tumours are more likely to recur after surgery compared to others. Distinguishing those that need adjuvant or salvage radiotherapy will improve patient outcomes. The goal of this study was to identify circulating microRNA that could independently predict prostate cancer patient risk stratification after radical prostatectomy. METHODS: Seventy-eight prostate cancer patients were recruited at the Odette Cancer Centre in Sunnybrook Health Sciences Centre. All patients had previously undergone radical prostatectomy. Blood samples were collected simultaneously for PSA testing and miRNA analysis using NanoString nCounter technology. Of the 78 samples, 75 had acceptable miRNA quantity and quality. Patients were stratified into high- and low-risk categories based on Gleason score, pathological T stage, surgical margin status, and diagnostic PSA: patients with Gleason ≥ 8; pT3a and positive margin; pT3b and any margin; or diagnostic PSA > 20 µg/mL were classified as high-risk (n = 44) and all other patients were classified as low-risk (n = 31). RESULTS: Using our patient dataset, we identified a four-miRNA signature (miR-17, miR-20a, miR-20b, miR-106a) that can distinguish high- and low-risk patients, in addition to their pathological tumour stage. High expression of these miRNAs is associated with shorter time to biochemical recurrence in the TCGA dataset. These miRNAs confer an aggressive phenotype upon overexpression in vitro. CONCLUSIONS: This proof-of-principle report highlights the potential of circulating miRNAs to independently predict risk stratification of prostate cancer patients after radical prostatectomy.
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.
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) | 0,000 | 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 découle