Validated prediction of clinical outcome in sarcomas and multiple types of cancer on the basis of a gene expression signature related to genome complexity

分级(工程) 肉瘤 转移 肿瘤科 医学 生物 基因表达谱 内科学 癌症 基因签名 基因表达 病理 基因 生态学 生物化学
作者
Frédéric Chibon,Pauline Lagarde,Sébastien Salas,Gaëlle Pérot,Véronique Brouste,Franck Tirode,Carlo Lucchesi,Aurélien de Reyniès,Audrey Kauffmann,Binh Bui,Philippe Terrier,Sylvie Bonvalot,Axel Le Cesne,Dominique Vince-Ranchère,Jean‐Yves Blay,Françoise Collin,Louis Guillou,Agnès Leroux,Jean‐Michel Coindre,Alain Aurias
出处
期刊:Nature Medicine [Springer Nature]
卷期号:16 (7): 781-787 被引量:363
标识
DOI:10.1038/nm.2174
摘要

Sarcomas are heterogeneous and aggressive mesenchymal tumors. Histological grading has so far been the best predictor for metastasis-free survival, but it has several limitations, such as moderate reproducibility and poor prognostic value for some histological types. To improve patient grading, we performed genomic and expression profiling in a training set of 183 sarcomas and established a prognostic gene expression signature, complexity index in sarcomas (CINSARC), composed of 67 genes related to mitosis and chromosome management. In a multivariate analysis, CINSARC predicts metastasis outcome in the training set and in an independent 127 sarcomas validation set. It is superior to the Fédération Francaise des Centres de Lutte Contre le Cancer grading system in determining metastatic outcome for sarcoma patients. Furthermore, it also predicts outcome for gastrointestinal stromal tumors (GISTs), breast carcinomas and lymphomas. Application of the signature will permit more selective use of adjuvant therapies for people with sarcomas, leading to decreased iatrogenic morbidity and improved outcomes for such individuals.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
iNk应助科研通管家采纳,获得20
1秒前
Hello应助科研通管家采纳,获得10
1秒前
1秒前
mashu应助科研通管家采纳,获得10
1秒前
充电宝应助科研通管家采纳,获得10
1秒前
科研通AI2S应助科研通管家采纳,获得10
1秒前
隐形曼青应助科研通管家采纳,获得10
1秒前
小马甲应助科研通管家采纳,获得10
1秒前
科研通AI2S应助科研通管家采纳,获得10
1秒前
4秒前
小高发布了新的文献求助20
6秒前
6秒前
Jasper应助树上的哚吡采纳,获得10
7秒前
顾矜应助shit采纳,获得10
7秒前
写代码的木船完成签到 ,获得积分10
8秒前
9秒前
呆萌蜻蜓完成签到,获得积分20
10秒前
桃子发布了新的文献求助10
10秒前
Cathy发布了新的文献求助10
12秒前
12秒前
LHL发布了新的文献求助10
12秒前
12秒前
14秒前
14秒前
16秒前
热心丹南发布了新的文献求助10
19秒前
19秒前
20秒前
21秒前
22秒前
25秒前
suk完成签到,获得积分10
28秒前
lifeline发布了新的文献求助30
28秒前
28秒前
aaa发布了新的文献求助20
31秒前
36秒前
sansan完成签到 ,获得积分10
39秒前
wanci应助义气碧菡采纳,获得10
40秒前
星空完成签到 ,获得积分10
40秒前
40秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
Research on managing groups and teams 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3330222
求助须知:如何正确求助?哪些是违规求助? 2959810
关于积分的说明 8597138
捐赠科研通 2638270
什么是DOI,文献DOI怎么找? 1444230
科研通“疑难数据库(出版商)”最低求助积分说明 669074
邀请新用户注册赠送积分活动 656624