Predicting Early Disease Recurrence of Pancreatic Cancer following Surgery: Determining the Role of NUDT15 as a Prognostic Biomarker
Notice bibliographique
Résumé
Surgical resection remains the only curative treatment strategy for Pancreatic Ductal Adenocarcinoma (PDAC). A proportion of patients succumb to early disease recurrence post-operatively despite receiving adjuvant chemotherapy. The ability to identify these high-risk individuals at their initial diagnosis, prior to surgery, could potentially alter their treatment algorithm. This unique patient cohort may benefit from neo-adjuvant chemotherapy, even in the context of resectable disease, as this may secure systemic control over their disease burden. It may also improve patient selection for surgery. Using the Cancer Genome Atlas dataset, we first confirmed the poor overall survival associated with early disease recurrence (p < 0.0001). The transcriptomic profiles of these tumours were analysed, and we identified key aberrant signalling pathways involved in early disease relapse; downregulation across several immune signalling pathways was noted. Differentially expressed genes that could serve as biomarkers were identified (BPI, C6orf58, CD177, MCM7 and NUDT15). Receiver operating characteristic curves were constructed in order to identify biomarkers with a high diagnostic ability to identify patients who developed early disease recurrence. NUDT15 expression had the highest discriminatory capability as a biomarker (AUC 80.8%). Its expression was confirmed and validated in an independent cohort of patients with resected PDAC (n = 13). Patients who developed an early recurrence had a statistically higher tumour expression of NUDT15 when compared to patients who did not recur early (p < 0.01). Our results suggest that NUDT15 can be used as a prognostic biomarker that can stratify patients according to their risk of developing early disease recurrence.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».