The expression and clinical prognostic value of protein phosphatase 1 catalytic subunit beta in pancreatic cancer
Notice bibliographique
Résumé
Pancreatic cancer (PAAD) is a common malignancy with a poor survival rate. The identification of novel biomarkers could improve clinical outcomes for patients with PAAD. Here we evaluated the expression and clinical significance of PPP1CB in PAAD. PPP1CB expression was higher in PAAD tissue than in matched paracancerous tissue (P < 0.05). We predicted a network of regulatory targets and protein interaction partners of PPP1CB, and identified a PPI network consisting of 39 node genes. The expression of 33 node genes was higher in PAAD tissue than in matching paracancerous tissue. High expression of the node genes ACTN4, ANLN, CLTB, IQGAP1, SPTAN1, and TMOD3 was associated with improved overall survival (P < 0.05). SiRNA knockdown of PPP1CB significantly reduced the migration and invasion of PAAD cells. A PPP1CB immunohistochemical staining was performed using a tissue microarray (TMA), consisting of tumor samples collected from 91 patients with PAAD (88 of which contained matched paracancerous tissues). The expression of PPP1CB in PAAD was significantly higher than in the matched paracancerous tissue, (P = 0.016). High PPP1CB expression was associated with patient sex (P = 0.048), alcohol use (P = 0.039), CEA (P= 0.038), N stage (P = 0.001), and invasion of nerve (P = 0.036). Furthermore, high PPP1CB expression was associated with significantly poorer overall survival (P = 0.022). Our data demonstrate that PPP1CB is associated with the migration and invasion of PAAD cells, and may be useful as an independent prognostic indicator for clinical outcome in patients with PAAD.
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 | 0,001 | 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 ».