Use of mutation profiles to refine the classification of endometrial carcinomas
Notice bibliographique
Résumé
The classification of endometrial carcinomas is based on pathological assessment of tumour cell type; the different cell types (endometrioid, serous, carcinosarcoma, mixed, undifferentiated, and clear cell) are associated with distinct molecular alterations. This current classification system for high-grade subtypes, in particular the distinction between high-grade endometrioid (EEC-3) and serous carcinomas (ESC), is limited in its reproducibility and prognostic abilities. Therefore, a search for specific molecular classifiers to improve endometrial carcinoma subclassification is warranted. We performed target enrichment sequencing on 393 endometrial carcinomas from two large cohorts, sequencing exons from the following nine genes: ARID1A, PPP2R1A, PTEN, PIK3CA, KRAS, CTNNB1, TP53, BRAF, and PPP2R5C. Based on this gene panel, each endometrial carcinoma subtype shows a distinct mutation profile. EEC-3s have significantly different frequencies of PTEN and TP53 mutations when compared to low-grade endometrioid carcinomas. ESCs and EEC-3s are distinct subtypes with significantly different frequencies of mutations in PTEN, ARID1A, PPP2R1A, TP53, and CTNNB1. From the mutation profiles, we were able to identify subtype outliers, ie cases diagnosed morphologically as one subtype but with a mutation profile suggestive of a different subtype. Careful review of these diagnostically challenging cases suggested that the original morphological classification was incorrect in most instances. The molecular profile of carcinosarcomas suggests two distinct mutation profiles for these tumours: endometrioid-type (PTEN, PIK3CA, ARID1A, KRAS mutations) and serous-type (TP53 and PPP2R1A mutations). While this nine-gene panel does not allow for a purely molecularly based classification of endometrial carcinoma, it may prove useful as an adjunct to morphological classification and serve as an aid in the classification of problematic cases. If used in practice, it may lead to improved diagnostic reproducibility and may also serve to stratify patients for targeted therapeutics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».