Levels of ANGPTL3 and characterization of other circulating cholesterol-related factors in high-grade serous ovarian cancers.
Notice bibliographique
Résumé
e17583 Background: Cancer cells require important amounts of cholesterol to sustain their growth. High-grade serous ovarian carcinomas (HGSOC), as an aggressive form of ovarian cancer, are no exception. Mechanisms allowing HGSOC to secure their lipid supplies are not yet fully elucidated. Recent years have highlighted ANGPTL3, PCSK9 and Apo CIII as key players in lipid metabolism. To date, impact of HGSOC on these key lipid-regulating factors is scantly documented. Herein, we compared ANGPTL3, PCSK9, Apo CIII and Lp(a) levels in women with HGSOC versus benign ovarian lesion (BOL) to better understand lipid metabolism in HGSOC. Methods: Plasma samples from 31 women with a HGSOC and 40 women with a BOL were assayed for ANGPTL3, PCSK9, and Apo CIII levels by ELISA. The lipid panel, Apo B and Lp(a) levels were measured on a Roche Modular analytical platform. Results: Higher levels of ANGPTL3 was observed in HGSOC (84 ng/ml, SD ±29 ng/ml, n = 31) vs. BOL (67 ng/ml, SD ±31 ng/ml, n = 40); HGSOC vs BOL p = 0.019. Receiver operating characteristic (ROC) curve analyses for ANGPTL3 combined with age indicated an area under curve of 67.7% (p = 0.005). Partial correlations indicated associations between the lipid panel and ANGPTL3, but only for BOL. Conclusions: In this cohort of 71 women, ANGPTL3 levels were higher in patients with HGSOC. This finding requires further validation in a larger cohort of HGSOC patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».