A three‐gene DNA methylation biomarker accurately classifies early stage prostate cancer
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: We identify and validate accurate diagnostic biomarkers for prostate cancer through a systematic evaluation of DNA methylation alterations. MATERIALS AND METHODS: We assembled three early prostate cancer cohorts (total patients = 699) from which we collected and processed over 1300 prostatectomy tissue samples for DNA extraction. Using real-time methylation-specific PCR, we measured normalized methylation levels at 15 frequently methylated loci. After partitioning sample sets into independent training and validation cohorts, classifiers were developed using logistic regression, analyzed, and validated. RESULTS: In the training dataset, DNA methylation levels at 7 of 15 genomic loci (glutathione S-transferase Pi 1 [GSTP1], CCDC181, hyaluronan, and proteoglycan link protein 3 [HAPLN3], GSTM2, growth arrest-specific 6 [GAS6], RASSF1, and APC) showed large differences between cancer and benign samples. The best binary classifier was the GAS6/GSTP1/HAPLN3 logistic regression model, with an area under these curves of 0.97, which showed a sensitivity of 94%, and a specificity of 93% after external validation. CONCLUSION: We created and validated a multigene model for the classification of benign and malignant prostate tissue. With false positive and negative rates below 7%, this three-gene biomarker represents a promising basis for more accurate prostate cancer diagnosis.
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