Analysis of prognostic germline polymorphisms in patients with advanced hepatocellular carcinoma
Notice bibliographique
Résumé
Background: The prognosis of hepatocellular carcinoma (HCC) is influenced by both tumor and patient specific factors. Current therapies of advanced HCC target angiogenesis and immune evasion, however there are no clinically useful biomarkers to guide clinicians. Methods: Our aim in this retrospective cohort study was to validate single nucleotide polymorphisms (SNPs) prognostic of outcome in advanced HCC from the literature, and to analyze exploratory SNPs chosen from evaluation of the HCC tumor immune microenvironment. Using a database of patients with HCC treated with sorafenib, blood samples were genotyped, clinical variables were retrospectively collected, and SNPs were analyzed for association with progression-free survival (PFS) and overall survival (OS). A subsequent analysis was conducted to determine if identified SNPs were prognostic in trans arterial chemoembolization (TACE) treated patients. Results: Literature review identified 7 SNPs in vascular endothelial growth factor (VEGF), eNOS, angiopoietin 2 (ANGPT2) and vascular endothelial growth factor receptor 2 (VEGFR2), however none were externally validated in our dataset. Of the 35 exploratory immunomodulatory SNPs, the following were associated with PFS or OS: CCL2 C-C motif ligand 2 (CCL2) (rs1024611), interleukin-10 (IL-10) (rs1800896), cytotoxic T-lymphocyte antigen-4 (CTLA-4) (rs231775) and NFKB1 (rs28362491). Conclusions: SNPs identified by literature review to be prognostic in sorafenib treated patients with advanced HCC were not validated in our dataset. Our findings suggest potentially important prognostic implications of SNPs in VEGFR2, CCL2, IL-10, CTLA-4 and NFKB1 that deserve further study.
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) | 0,001 | 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) | 0,000 | 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 ».