TRPS1 Expression Is Frequently Seen in a Subset of Cutaneous Mesenchymal Neoplasms and Tumors of Uncertain Differentiation: A Potential Diagnostic Pitfall
Notice bibliographique
Résumé
Although extensively studied in cutaneous epithelial neoplasms, the TRPS1 immunoreactivity in cutaneous mesenchymal neoplasms and tumors of uncertain differentiation (CMNTUDs), such as atypical fibroxanthoma (AFX), remains largely unexplored. We assessed TRPS1 immunoreactivity in 135 CMNTUDs, comprising 46 fibrohistiocytic/fibroblastic tumors, 28 vascular tumors, 24 peripheral nerve sheath tumors (PNSTs), 21 tumors of uncertain differentiation, and 16 smooth muscle tumors. Additionally, we included selected cases of melanoma with spindled cell morphology or desmoplastic features (n = 9) and sarcomatoid squamous cell carcinoma (SSCC) (n = 5) to compare TRPS1 expression patterns with those of AFX. TRPS1 expression was prevalent in dermatofibromas (24/24), leiomyomas (8/8), AFXs/pleomorphic dermal sarcoma (PDS) (20/21), dermatofibrosarcomas protuberans (14/22), and leiomyosarcomas (6/8). It was uncommon in angiosarcomas (3/20), Kaposi sarcomas (2/8), and neurofibromas (5/17) and absent in perineuriomas (0/2). AFXs/PDS exhibited the highest median H-score of 240, contrasting with minimal TRPS1 immunoreactivity in vascular neoplasms and PNSTs, with median H-scores consistently below 10. Significant differences in H-score were observed between AFXs/PDS and angiosarcomas (p < 0.001), melanomas (p < 0.001), and leiomyosarcomas (p = 0.029). However, no significant difference was found compared to SSCCs, suggesting limited discriminatory power of TRPS1 in this context. This study sheds light on TRPS1 expression patterns in a subset of CMNTUDs, extending beyond prior studies primarily focused on epithelial tumors, while underscoring potential pitfalls associated with TRPS1 immunohistochemistry.
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) | 0,000 | 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 ».