AHRR and SFRP2 in primary versus recurrent high-grade serous ovarian carcinoma and their prognostic implication
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to analyse transcriptomic differences between primary and recurrent high-grade serous ovarian carcinoma (HGSOC) to identify prognostic biomarkers. METHODS: We analysed 19 paired primary and recurrent HGSOC samples using targeted RNA sequencing. We selected the best candidates using in silico survival and pathway analysis and validated the biomarkers using immunohistochemistry on a cohort of 44 paired samples, an additional cohort of 504 primary HGSOCs and explored their function. RESULTS: We identified 233 differential expressed genes. Twenty-three showed a significant prognostic value for PFS and OS in silico. Seven markers (AHRR, COL5A2, FABP4, HMGCS2, ITGA5, SFRP2 and WNT9B) were chosen for validation at the protein level. AHRR expression was higher in primary tumours (p < 0.0001) and correlated with better patient survival (p < 0.05). Stromal SFRP2 expression was higher in recurrent samples (p = 0.009) and protein expression in primary tumours was associated with worse patient survival (p = 0.022). In multivariate analysis, tumour AHRR and SFRP2 remained independent prognostic markers. In vitro studies supported the anti-tumorigenic role of AHRR and the oncogenic function of SFRP2. CONCLUSIONS: Our results underline the relevance of AHRR and SFRP2 proteins in aryl-hydrocarbon receptor and Wnt-signalling, respectively, and might lead to establishing them as biomarkers in HGSOC.
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 ».