Matching plasma and tissue miRNA expression analysis to detect viable ovarian germ cell tumors
Notice bibliographique
Résumé
PURPOSE: MicroRNAs (miRNAs) are emerging as circulating biomarkers in germ cell tumors (GCT) with potential to guide management. Their role and expression patterns are more established in testicular GCTs, while lesser data exist in ovarian GCTs (OGCT). METHODS: Patients diagnosed with OGCT with plasma and tumor tissue available in our provincial biobank were included. Total RNA was extracted, and RT-qPCR was performed to measure miR-371-3 and miR-302/367 levels. Healthy plasma and ovarian tissue served as controls. Statistical analyses were performed using ANOVA and the Mann-Whitney U test. Clinicopathologic data was collected by chart review. RESULTS: From 2007 to 2022, 23 patients with OGCT were identified: 13 with viable non-teratoma germ cell (VNTGC) and 10 with immature teratoma germ cell (ITGC) tumors. Compared to healthy controls, all patients with VNTGC but not ITGC tumors had significantly higher miRNA levels in preoperative plasma and tumor tissue. Plasma miRNA kinetics correlated with disease burden, decreasing to undetectable levels following treatment, and increasing significantly upon relapse. CONCLUSION: MiR-371-3 and miR-302/367 are highly expressed in ovarian VNTGC but not ITGC tumors, and their plasma levels correlate with disease burden. Future studies validating these findings in a larger cohort are needed to develop miRNAs as circulating biomarkers for clinical use.
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 | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».