Prognostic and Theranostic Biomarkers in Ovarian Clear Cell Carcinoma
Notice bibliographique
Résumé
In this study, we aimed to test whether prognostic biomarkers can achieve a clinically relevant stratification of patients with stage I ovarian clear cell carcinoma (OCCC) and to survey the expression of 10 selected actionable targets (theranostic biomarkers) in stage II to IV cases. From the population-based Alberta Ovarian Tumor Type study, 160 samples of OCCC were evaluated by immunohistochemistry and/or silver-enhanced in situ hybridization for the status of 5 prognostic (p53, p16, IGF2BP3, CCNE1, FOLR1) and 10 theranostic biomarkers (ALK, BRAF V600E, ERBB2, ER, MET, MMR, PR, ROS1, NTRK1-3, VEGFR2). Kaplan-Meier survival analyses were performed. Cases with abnormal p53 or combined p16/IFG2BP3 abnormal expression identified a small subset of patients (6/54 cases) with stage I OCCC with an aggressive course (5-yr ovarian cancer-specific survival of 33.3%, compared with 91.5% in the other stage I cases). Among theranostic targets, ERBB2 amplification was present in 11/158 (7%) of OCCC, while MET was ubiquitously expressed in OCCC similar to a variety of normal control tissues. ER/PR showed a low prevalence of expression. No abnormal expression was detected for any of the other targets. We propose a combination of 3 biomarkers (p53, p16, IGF2BP3) to predict prognosis and the potential need for adjuvant therapy for patients with stage I OCCC. This finding requires replication in larger cohorts. In addition, OCCC could be tested for ERBB2 amplification for inclusion in gynecological basket trials targeting this alteration.
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 | 0,001 |
| 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 ».