Études multiparamétriques de biomarqueurs par immunofluorescence pour mieux suivre la progression du cancer de la prostate
Bibliographic record
Abstract
Le cancer de la prostate est le cancer le plus fréquemment diagnostiqué et la troisième cause de mortalité liée au cancer chez les hommes au Canada. Un quart des patients diagnostiqués développeront une forme plus agressive de ce cancer. Bien que nous possédions plusieurs indices cliniques pronostiques dans les cancers localisés (score de Gleason, taux sérique d’antigène prostatique spécifique (APS), stade, etc.), ceux-ci sont insuffisants pour adéquatement distinguer les patients à faible risque de progression de ceux à haut risque. A ce jour, aucun biomarqueur pronostique n’est encore utilisé en clinique. Les cliniciens ont donc besoin de nouveaux outils plus efficaces pour stratifier ce cancer et pour s’assurer d’adapter au mieux le traitement à chaque patient. En nous basant sur la littérature et sur des études préliminaires (cohortes de moins de 65 patients), notre hypothèse est que les protéines PUMA-NOXA et les récepteurs membranaires de la famille ERBB seraient, lorsqu’utilisés en combinaison, des biomarqueurs prédictifs de la progression du cancer de la prostate. Les objectifs de cette thèse sont : 1) identifier et valider de bons anticorps pour chaque biomarqueur d’intérêt, 2) définir les niveaux d’expression de chaque biomarqueur sur une cohorte de 285 patients, et 3) établir les corrélations entre les niveaux d’expression et les données cliniques des patients. Dans l’optique d’une utilisation en clinique, des anticorps de type monoclonal ont été choisis pour identifier les biomarqueurs d’intérêts. Ces anticorps ont été testés et validés pour leur spécificité par immunobuvardage de type western blot et par immunofluorescence. La localisation de la protéine d’intérêt a été validée sur des échantillons de tissus de patients suivie de l’optimisation du multi-marquage sur les cellules épithéliales et basales. Après perfectionnement de l’analyse d’images, nous avons montré qu’une expression extrême (faible ou forte) de PUMA couplée à une forte expression de NOXA dans les glandes bénignes est associée à la rechute biochimique des patients. La présence de ces biomarqueurs dans les glandes bénignes permet d’envisager d’améliorer l’identification lors des premières biopsies des patients se qualifiant pour la surveillance active. Par ailleurs, le suivi de l’expression des récepteurs de la famille ERBB dans les glandes tumorales permet une stratification des patients atteints d’un cancer de la prostate en fonction des risques de rechute biochimique, de développement de métastases et de mort liée au cancer. Ainsi, les patients présentant la combinaison d’une forte expression de EGFR et d’une faible expression de ERBB3 sont les plus susceptibles de mourir spécifiquement de leur cancer de la prostate, en particulier si les cellules tumorales présentes en plus une faible expression de ERBB2 entrainant un fort risque de développer des métastases. Mon projet de doctorat aura donc permis d’identifier et de valider des biomarqueurs d’intérêt pour prédire l’évolution du cancer de la prostate et démontrer l’intérêt de suivre ces biomarqueurs en combinaison afin d’obtenir une meilleure stratification des patients. Ces résultats devront être validés sur une cohorte indépendante et multicentrique en vue de fournir aux cliniciens un plus grand nombre d’outils pour leur permettre de réaliser une stratification fine des patients atteints d’un cancer de la prostate, et ouvrirait la voie à de nouvelles stratégies thérapeutiques plus ciblées.
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 | 0.043 | 0.078 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".