Data from Inflammatory and MicroRNA Gene Expression as Prognostic Classifier of Barrett's-Associated Esophageal Adenocarcinoma
Notice bibliographique
Résumé
Abstract Purpose: Esophageal cancer is one of the most aggressive and deadly forms of cancer; highlighting the need to identify biomarkers for early detection and prognostic classification. Our recent studies have identified inflammatory gene and microRNA signatures derived from tumor and nontumor tissues as prognostic biomarkers of hepatocellular, lung, and colorectal adenocarcinoma. Here, we examine the relationship between expression of these inflammatory genes and micro RNA (miRNA) expression in esophageal adenocarcinoma and patient survival. Experimental Design: We measured the expression of 23 inflammation-associated genes in tumors and adjacent normal tissues from 93 patients (58 Barrett's and 35 Sporadic adenocarcinomas) by quantitative reverse transcription-polymerase chain reaction. These data were used to build an inflammatory risk model, based on multivariate Cox regression, to predict survival in a training cohort (n = 47). We then determined whether this model could predict survival in a cohort of 46 patients. Expression data for miRNA-375 were available for these patients and was combined with inflammatory gene expression. Results: IFN-γ, IL-1α, IL-8, IL-21, IL-23, and proteoglycan expression in tumor and nontumor samples were each associated with poor prognosis based on Cox regression [(Z-score)>1.5] and therefore were used to generate an inflammatory risk score (IRS). Patients with a high IRS had poor prognosis compared with those with a low IRS in the training (P = 0.002) and test (P = 0.012) cohorts. This association was stronger in the group with Barrett's history. When combining with miRNA-375, the combined IRS/miR signature was an improved prognostic classifier than either one alone. Conclusion: Transcriptional profiling of inflammation-associated genes and miRNA expression in resected esophageal Barrett's-associated adenocarcinoma tissues may have clinical utility as predictors of prognosis. Clin Cancer Res; 16(23); 5824–34. ©2010 AACR.
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) | 0,000 | 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 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 ».