MicroRNA profiling in canine multicentric lymphoma
Notice bibliographique
Résumé
Lymphoma is the most common hematopoietic tumour in dogs and is remarkably similar to the human disease. Tumour biomarker discovery is providing new tools for diagnostics and predicting therapeutic response and clinical outcome. MicroRNAs are small non-coding RNAs that participate in post-transcriptional gene regulation and their aberrant expression can impact genes involved in cancer. The aim of this study was to characterize microRNA expression in lymph nodes and plasma from dogs with multicentric B or T cell lymphoma compared to healthy control dogs. We further compared expression between lymph nodes and corresponding plasma samples and assessed changes in expression at relapse compared to time of diagnosis. Lastly, we investigated microRNAs for association with clinical outcome in patients treated with CHOP chemotherapy. A customized PCR array was utilized to profile 38 canine target microRNAs. Quantification was performed using real time RT-qPCR and relative expression was determined by the delta-delta Ct method. In lymph nodes, there were 16 microRNAs with significantly altered expression for B cell lymphoma and 9 for T cell lymphoma. In plasma, there were 15 microRNAs altered for B cell lymphoma and 3 for T cell lymphoma. The majority of microRNAs did not have correlated expression between lymph node and plasma and only 8 microRNAs were significantly different between diagnosis and relapse. For B cell lymphoma, 8 microRNAs had differential expression in the non-remission group compared to dogs that completed CHOP in complete remission. Four of these microRNAs were also altered in patients that died prior to one-year. Kaplan-Meier survival curves for high versus low microRNA expression revealed that 10 microRNAs were correlated with progression-free survival and 3 with overall survival. This study highlights microRNAs of interest for canine multicentric lymphoma. Future goals include development of microRNA panels that may be useful as biomarkers with the intent to provide improved outcome prediction to veterinary cancer patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».