Expression of Small Noncoding RNAs in Urinary Exosomes Classifies Prostate Cancer into Indolent and Aggressive Disease
Notice bibliographique
Résumé
PURPOSE: This is the first report of the development and performance of a platform that interrogates small noncoding RNAs (sncRNA) isolated from urinary exosomes. The Sentinel™ PCa Test classifies patients with prostate cancer from subjects with no evidence of prostate cancer, the miR Sentinel CS Test stratifies patients with prostate cancer between those with low risk prostate cancer (Grade Group 1) from those with intermediate and high risk disease (Grade Group 2-5), and the miR Sentinel HG Test stratifies patients with prostate cancer between those with low and favorable intermediate risk prostate cancer (Grade Group 1 or 2) and those with high risk (Grade Group 3-5) disease. MATERIALS AND METHODS: sncRNAs were extracted from urinary exosomes of 235 participants and interrogated on miR 4.0 microarrays. Using proprietary selection and classification algorithms, informative sncRNAs were selected to customize an interrogation OpenArray™ platform that forms the basis of the tests. The tests were validated using a case-control sample of 1,436 subjects. RESULTS: The performance of the miR Sentinel PCa Test demonstrated a sensitivity of 94% and specificity of 92%. The Sentinel CS Test demonstrated a sensitivity of 93% and specificity of 90% for prediction of the presence of Grade Group 2 or greater cancer, and the Sentinel HG Test demonstrated a sensitivity of 94% and specificity of 96% for the prediction of the presence of Grade Group 3 or greater cancer. CONCLUSIONS: The Sentinel PCa, CS and HG Tests demonstrated high levels of sensitivity and specificity, highlighting the utility of interrogation of urinary exosomal sncRNAs for noninvasively diagnosing and classifying prostate cancer with high precision.
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) | 0,000 | 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 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 ».