Immunológiai, cito- és molekuláris genetikai vizsgálatok eredményei és azok jelentősége az epiteliális pajzsmirigydaganatok patogenézisében és kórlefolyásában
Bibliographic record
Abstract
A pajzsmirigy daganatok etiopatogenetikai kutatása, annak különleges biológiai tulajdonságai miatt rendkívül szerteágazó. A sokszínű, az egész világon folyó újabb tudományos vizsgálatokkal párhuzamosan, több mint húsz éve indítottuk el azokat a kutatásokat, amelyek eredményeit a mellékelt publikációkban összefoglaltuk. A pajzsmirigy karcinóma molekuláris alapjaival foglalkozó ismeretek gyorsan és folyamatosan növekednek. Az immunszisztéma válaszkészségének megértése azonban még várat magára. Az immunválasz és a pajzsmirigy karcinóma összefüggésének szempontjából értékes, de egyben egymásnak ellentmondó eredmények születtek számos szerző tollából. Az eredmények és vélemények igen különbözőek az irodalomban. E sok kérdőjelet tartalmazó probléma határozta meg célkitűzéseinket. Vizsgálni kívántuk : A pajzsmirigy karcinómában szenvedő betegek HLA antigénjeit azzal a céllal, hogy találunk-e olyan allélt, amely a betegekben szignifikánsan gyakrabban fordul elő, jelezve valamilyen összefüggést a betegség manifesztációjával, a rosszindulatúság fokával, a metasztázis kiterjedésével, lokalizációjával, vagy az immunszisztéma válaszkészségével. Ugyanilyen szempontokból tanulmányoztuk az IgG nehéz lánc allotípusait (Gm). Megfelelő matematikai analízisek segítségével kívántuk eredményeinket elemezni. HLA tipizálást, bazális/stimulált kalcitonin meghatározásokat, valamint családvizsgálatot végeztünk medulláris karcinómás betegekben és családtagjaikban azzal a céllal, hogy összefüggést keressünk az immungenetikai determináció és a betegség kialakulása és lefolyása között. Kimutatható-e citogenetikai módszerekkel olyan kromoszóma-eltérés, ami általában jellemző a benignus és malignus pajzsmirigy daganatokra? Különböznek-e szövettanilag eltérő pajzsmirigydaganat típusok citogenetikailag? Van-e összefüggés a kromoszóma-eltérések és a betegség progressziója között? Jó-és rosszindulatú humán daganatokban egyaránt megtalálható Ha, N, K ras oncogen mutáció a jól differenciált malignus (PTC, FTC, FPTC) és a benignus follikuláris pajzsmirigy tumorokban milyen gyakorisággal fordul elő? Milyen szerepe lehet a ras onkogéneknek a pajzsmirigy neopláziák kialakulásában, fenntartásában és progressziójában? Van-e különbség a földrajzilag távoleső /Kelet-Magyarország, NewFoundland/Kanada/ területeken élők benignus és malignus pajzsmirigy daganataiban észlelt ras onkogén mutáció gyakoriságában, illetve, hogy milyen környezeti hatások befolyásolhatják a pajzsmirigy neopláziák létrejöttét.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".