The Impact of DTYMK as a Prognostic Marker in Colorectal Cancer
Notice bibliographique
Résumé
Background: Overexpression of deoxythymidylate kinase (DTYMK) has been associated with more aggressiveness and pathological behaviors in hepatocellular carcinoma (HCC) and non-small cell lung cancer (NSCLC). However, the expression of DTYMK and its prognostic significance in colorectal cancer (CRC) patients are yet unknown. The goal of this study was to investigate the DTYMK immunohistochemistry reactivity in CRC tissues and to see how it correlated with various histological and clinical features as well as survival. Methods: Several bioinformatics databases and two tissue microarrays (TMAs) of 227 cases were used in this study. Immunohistochemistry assay was used to study the protein expression of DTYMK. Results: Based on the GEPIA, UALCAN, and Oncomine databases, DTYMK expression has increased in tumor tissues at both RNA and protein levels in colorectal adenocarcinoma (COAD) compared to normal tissues. A high DTYMK H-score was found in 122/227 (53%) of the cases, whereas a low DTYMK H-score was found in 105/227. The age at diagnosis (P = 0.036), stage of the disease (P = 0.038), and site of origin (P = 0.032) were all linked to a high DTYMK H-score. Patients with high level of DTYMK had bad overall survival. Interestingly, high DTYMK protein level was associated with PSM2 (P = 0.002) and MSH2 (P = 0.003), but not with MLH2 or MSH6. Conclusion: This is the first study to cover the expression and prognostic significance of DTYMK in CRC. DTYMK was upregulated in CRC and could be considered as a prognostic biomarker.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».