Molecular characterization of low-grade serous ovarian carcinoma identifies genomic aberrations according to hormone receptor expression
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
Hormone receptor expression is a characteristic of low-grade serous ovarian carcinoma (LGSOC). Studies investigating estrogen receptor (ER) and progesterone receptor (PR) expression levels suggest its prognostic and predictive significance, although their associations with key molecular aberrations are not well understood. As such, we sought to describe the specific genomic profiles associated with different ER/PR expression patterns and survival outcomes in a cohort of patients with advanced disease. The study comprised fifty-five advanced-staged (III/IV) LGSOCs from the Canadian Ovarian Experimental Unified Resource (COEUR) for which targeted mutation sequencing, copy-number aberration, clinical and follow-up data were available. ER, PR, and p16 expression were assessed by immunohistochemistry. Tumors were divided into low and high ER/PR expression groups based on Allred scoring. Copy number analysis revealed that PR-low tumors (Allred score <2) had a higher fraction of the genome altered by copy number changes compared to PR-high tumors (p = 0.001), with cancer genes affected within specific loci linked to altered peptidyl-tyrosine kinase, MAP-kinase, and PI3-kinase signaling. Cox regression analysis showed that ER-high (p = 0.02), PR-high (p = 0.03), stage III disease (p = 0.02), low residual disease burden (p = 0.01) and normal p16 expression (p<0.001) were all significantly associated with improved overall survival. This study provides evidence that genomic aberrations are linked to ER/PR expression in primary LGSOC.
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) | 0,001 | 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 découle