Role of S100 A7 as a diagnostic biomarker in oral potentially malignant disorders and oral cancer
Notice bibliographique
Résumé
Background: S100 proteins have been implicated in the tumorigenesis of different human cancers and in oral dysplasia, as they are keratinocytes. Materials and Methods: In the present study, we have attempted to compare the expression of S100-A7 within young-onset (age ≤45 years, Group 1) oral squamous cell carcinoma (OSCC), OSCC in older age groups (age >45 years Group 2), oral potentially malignant disorders (OPMDs, Group 3) and inflammatory lesions (Group 4). The tissue sections were scored based on the percentage of immunostained cells and staining intensity. Nuclear, cytoplasmic and membrane immunoreactivity were also scored. Results: The present study comprised 153 histopathologically diagnosed case subjects of OSCC >45 years ( n = 41), OSCC <45 years ( n = 36), OPMD ( n = 40) and inflammatory lesions ( n = 36). The present study revealed a statistically significant difference of distribution with regard to S100A7 staining (cytoplasmic and nuclear) between OPMDs and OSCC ( P < 0.05). The nuclear, cytoplasmic and membrane staining as well as the staining intensity had significantly different scoring patterns among the OSCC group, OPMD group and the inflammatory lesions with the OSCC group having the highest scoring of the S100A7 staining (irrespective of the age). Conclusions: The present study concludes that S100A7 can be used as a diagnostic biomarker to differentiate between OPMDs and OSCC lesions. However, the marker is unable to distinguish between OSCCs in younger and older patients as the molecular pathogenesis of tumors in either of these age groups is probably similar.
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 ».