Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Combining epigenetic and clinicopathological variables improves specificity in prognostic prediction in clear cell renal cell carcinoma
Umeå universitet, Medicinska fakulteten, Institutionen för medicinsk biovetenskap, Patologi.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik. Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik.
Umeå universitet, Medicinska fakulteten, Institutionen för medicinsk biovetenskap, Patologi.
Visa övriga samt affilieringar
2020 (Engelska)Ingår i: Journal of Translational Medicine, ISSN 1479-5876, E-ISSN 1479-5876, Vol. 18, nr 1, artikel-id 435Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Background: Metastasized clear cell renal cell carcinoma (ccRCC) is associated with a poor prognosis. Almost one-third of patients with non-metastatic tumors at diagnosis will later progress with metastatic disease. These patients need to be identified already at diagnosis, to undertake closer follow up and/or adjuvant treatment. Today, clinicopathological variables are used to risk classify patients, but molecular biomarkers are needed to improve risk classification to identify the high-risk patients which will benefit most from modern adjuvant therapies. Interestingly, DNA methylation profiling has emerged as a promising prognostic biomarker in ccRCC. This study aimed to derive a model for prediction of tumor progression after nephrectomy in non-metastatic ccRCC by combining DNA methylation profiling with clinicopathological variables.

Methods: A novel cluster analysis approach (Directed Cluster Analysis) was used to identify molecular biomarkers from genome-wide methylation array data. These novel DNA methylation biomarkers, together with previously identified CpG-site biomarkers and clinicopathological variables, were used to derive predictive classifiers for tumor progression.

Results: The “triple classifier” which included both novel and previously identified DNA methylation biomarkers together with clinicopathological variables predicted tumor progression more accurately than the currently used Mayo scoring system, by increasing the specificity from 50% in Mayo to 64% in our triple classifier at 85% fixed sensitivity. The cumulative incidence of progress (pCIP5yr) was 7.5% in low-risk vs 44.7% in high-risk in M0 patients classified by the triple classifier at diagnosis.

Conclusions: The triple classifier panel that combines clinicopathological variables with genome-wide methylation data has the potential to improve specificity in prognosis prediction for patients with non-metastatic ccRCC.

Ort, förlag, år, upplaga, sidor
2020. Vol. 18, nr 1, artikel-id 435
Nyckelord [en]
Clear cell renal cell carcinoma, Classification, DNA methylation, Prognosis, Directed cluster analysis
Nationell ämneskategori
Urologi och njurmedicin
Identifikatorer
URN: urn:nbn:se:umu:diva-176921DOI: 10.1186/s12967-020-02608-1ISI: 000594136300002PubMedID: 33187526Scopus ID: 2-s2.0-85095955809OAI: oai:DiVA.org:umu-176921DiVA, id: diva2:1502337
Forskningsfinansiär
KempestiftelsernaVetenskapsrådetRegion VästerbottenTillgänglig från: 2020-11-19 Skapad: 2020-11-19 Senast uppdaterad: 2023-03-24Bibliografiskt granskad

Open Access i DiVA

fulltext(920 kB)167 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 920 kBChecksumma SHA-512
3b8e87d6c79af1fcd427f6e8bcfeb1db685c122f80edbccbcdf4ff4cc6159f1071084281b3b9c3e1c30c89f372b2a9dc6c1198f536420523d506c269735ac91a
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextPubMedScopus

Person

Andersson-Evelönn, EmmaVidman, LindaKällberg, DavidLandfors, MattiasLiu, XijiaLjungberg, BörjeHultdin, MagnusRydén, PatrikDegerman, Sofie

Sök vidare i DiVA

Av författaren/redaktören
Andersson-Evelönn, EmmaVidman, LindaKällberg, DavidLandfors, MattiasLiu, XijiaLjungberg, BörjeHultdin, MagnusRydén, PatrikDegerman, Sofie
Av organisationen
PatologiInstitutionen för matematik och matematisk statistikStatistikUrologi och andrologiInstitutionen för klinisk mikrobiologi
I samma tidskrift
Journal of Translational Medicine
Urologi och njurmedicin

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 167 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 438 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf