GD2 and GD3 gangliosides as diagnostic biomarkers for all stages and subtypes of epithelial ovarian cancer
Notice bibliographique
Résumé
Background: Ovarian cancer (OC) is the deadliest gynecological cancer, often diagnosed at advanced stages. A fast and accurate diagnostic method for early-stage OC is needed. The tumor marker gangliosides, GD2 and GD3, exhibit properties that make them ideal potential diagnostic biomarkers, but they have never before been quantified in OC. We investigated the diagnostic utility of GD2 and GD3 for diagnosis of all subtypes and stages of OC. Methods: This retrospective study evaluated GD2 and GD3 expression in biobanked tissue and serum samples from patients with invasive epithelial OC, healthy donors, non-malignant gynecological conditions, and other cancers. GD2 and GD3 levels were evaluated in tissue samples by immunohistochemistry (n=299) and in two cohorts of serum samples by quantitative ELISA. A discovery cohort (n=379) showed feasibility of GD2 and GD3 quantitative ELISA for diagnosing OC, and a subsequent model cohort (n=200) was used to train and cross-validate a diagnostic model. Results: GD2 and GD3 were expressed in tissues of all OC subtypes and FIGO stages but not in surrounding healthy tissue or other controls. In serum, GD2 and GD3 were elevated in patients with OC. A diagnostic model that included serum levels of GD2+GD3+age was superior to the standard of care (CA125, p<0.001) in diagnosing OC and early-stage (I/II) OC. Conclusion: GD2 and GD3 expression was associated with high rates of selectivity and specificity for OC. A diagnostic model combining GD2 and GD3 quantification in serum had diagnostic power for all subtypes and all stages of OC, including early stage. Further research exploring the utility of GD2 and GD3 for diagnosis of OC is warranted.
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 | 0,001 |
| 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 ».