目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cel...目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cell tumor of bone,NGCTB)(包含14例动脉瘤样骨囊肿、16例软骨母细胞瘤和53例非骨化性纤维瘤)患者的样本和病历资料,采用免疫组织化学EliVision法检测H3.3G34W、p63及SATB2的表达情况。通过χ^(2)检验判断H3.3G34W、p63及SATB2的阳性率在各组间是否存在统计学差异;通过Logistic回归分析建立包括H3.3G34W、p63及SATB2的联合诊断模型,通过受试者工作特征(ROC)曲线分析评价模型的诊断价值。结果H3.3G34W、p63及SATB2在GCTB组中阳性率分别为81.5%、90.7%、92.6%;在NGCTB组中阳性率分别为2.4%、28.9%、62.7%。与NGCTB组相比,GCTB组患者年龄显著较大[(41.222±14.849)vs.(16.566±9.439);P<0.001],女性比男性患病率更高(51.9%vs.48.1%,P<0.001)。与NGCTB组相比,GCTB组中H3.3G34W(81.5%vs.2.4%,P<0.001);p63(90.7%vs.28.9%,P<0.001)和SATB2(92.6%vs.62.7%,P<0.001)的阳性率更高。单因素Logistic回归分析构建单因素预测模型,同时行ROC曲线分析,表明年龄(AUC=92.9%,P<0.001)、性别(AUC=64.5%,P=0.004)、H3.3G34W阳性率(AUC=89.5%,P<0.001)、p63阳性率(AUC=80.9%,P<0.001)、SATB2阳性率(AUC=65.0%,P=0.003)是GCTB诊断的独立预测因素。进一步的多因素Logistic回归分析构建混合预测模型,并行ROC曲线分析,发现混合模型展现出比单因素模型更好的预测价值(AUC=98.4%,P<0.001)。结论H3.3G34W、p63及SATB2是有效诊断GCTB的分子标记物,且三者联合应用更能提高GCTB的诊断预测效能。展开更多
文摘目的本研究旨在建立一种实时荧光定量PCR方法,用于检测猕猴三磷酸腺苷结合盒转运蛋白G2(adenosine triphosphate-binding cassette transporter protein G2,ABCG2)mRNA的基因转录水平。方法使用NCBI上GenBank数据库猕猴(Macaca mulatta)的ABCG2核苷酸序列号NM_001032919.1及内参GAPDH核苷酸序列号NM_001195426.1,借助Primer premier 5.0软件设计PCR引物。提取猕猴新鲜肾组织的总RNA,并反转录合成cDNA。接着,利用PCR引物进行实时荧光定量PCR扩增,并根据反应体系中荧光的变化情况定量分析ABCG2的mRNA相对表达水平。结果PCR产物测序结果显示,扩增的ABCG2和GAPDH核苷酸序列与NCBI上猕猴的序列同源性分别为90.91%和91.14%。ABCG2和GAPDH的扩增效率均达到80%~120%,实时荧光定量PCR标准曲线的熔解曲线为单峰,R2接近1。结论本研究建立的检测猕猴ABCG2 mRNA实时荧光定量检测方法,为研究高尿酸血症的发病机制以及新药开发奠定基础。
文摘目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cell tumor of bone,NGCTB)(包含14例动脉瘤样骨囊肿、16例软骨母细胞瘤和53例非骨化性纤维瘤)患者的样本和病历资料,采用免疫组织化学EliVision法检测H3.3G34W、p63及SATB2的表达情况。通过χ^(2)检验判断H3.3G34W、p63及SATB2的阳性率在各组间是否存在统计学差异;通过Logistic回归分析建立包括H3.3G34W、p63及SATB2的联合诊断模型,通过受试者工作特征(ROC)曲线分析评价模型的诊断价值。结果H3.3G34W、p63及SATB2在GCTB组中阳性率分别为81.5%、90.7%、92.6%;在NGCTB组中阳性率分别为2.4%、28.9%、62.7%。与NGCTB组相比,GCTB组患者年龄显著较大[(41.222±14.849)vs.(16.566±9.439);P<0.001],女性比男性患病率更高(51.9%vs.48.1%,P<0.001)。与NGCTB组相比,GCTB组中H3.3G34W(81.5%vs.2.4%,P<0.001);p63(90.7%vs.28.9%,P<0.001)和SATB2(92.6%vs.62.7%,P<0.001)的阳性率更高。单因素Logistic回归分析构建单因素预测模型,同时行ROC曲线分析,表明年龄(AUC=92.9%,P<0.001)、性别(AUC=64.5%,P=0.004)、H3.3G34W阳性率(AUC=89.5%,P<0.001)、p63阳性率(AUC=80.9%,P<0.001)、SATB2阳性率(AUC=65.0%,P=0.003)是GCTB诊断的独立预测因素。进一步的多因素Logistic回归分析构建混合预测模型,并行ROC曲线分析,发现混合模型展现出比单因素模型更好的预测价值(AUC=98.4%,P<0.001)。结论H3.3G34W、p63及SATB2是有效诊断GCTB的分子标记物,且三者联合应用更能提高GCTB的诊断预测效能。
