Clinical and pathological associations of PTEN expression in ovarian cancer: a multicentre study from the Ovarian Tumour Tissue Analysis Consortium
Notice bibliographique
Résumé
BACKGROUND: PTEN loss is a putative driver in histotypes of ovarian cancer (high-grade serous (HGSOC), endometrioid (ENOC), clear cell (CCOC), mucinous (MOC), low-grade serous (LGSOC)). We aimed to characterise PTEN expression as a biomarker in epithelial ovarian cancer in a large population-based study. METHODS: Tumours from 5400 patients from a multicentre observational, prospective cohort study of the Ovarian Tumour Tissue Analysis Consortium were used to evaluate associations between immunohistochemical PTEN patterns and overall survival time, age, stage, grade, residual tumour, CD8+ tumour-infiltrating lymphocytes (TIL) counts, expression of oestrogen receptor (ER), progesterone receptor (PR) and androgen receptor (AR) by means of Cox proportional hazard models and generalised Cochran-Mantel-Haenszel tests. RESULTS: Downregulation of cytoplasmic PTEN expression was most frequent in ENOC (most frequently in younger patients; p value = 0.0001) and CCOC and was associated with longer overall survival in HGSOC (hazard ratio: 0.78, 95% CI: 0.65-0.94, p value = 0.022). PTEN expression was associated with ER, PR and AR expression (p values: 0.0008, 0.062 and 0.0002, respectively) in HGSOC and with lower CD8 counts in CCOC (p value < 0.0001). Heterogeneous expression of PTEN was more prevalent in advanced HGSOC (p value = 0.019) and associated with higher CD8 counts (p value = 0.0016). CONCLUSIONS: PTEN loss is a frequent driver in ovarian carcinoma associating distinctly with expression of hormonal receptors and CD8+ TIL counts in HGSOC and CCOC histotypes.
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) | 0,001 | 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 ».