Sox10 and S100 in the Diagnosis of Soft-tissue Neoplasms
Notice bibliographique
Résumé
Despite a well-characterized lack of specificity, pathologists routinely employ S100 in the diagnosis of neural crest-derived tumors. Recent studies have shown that Sox10 is a reliable marker of neural crest differentiation that is consistently expressed in schwannian and melanocytic tumors. We sought to validate these results in a larger series of soft tissue neoplasms of both neural crest and non-neural crest origin, and to further characterize the sensitivity and specificity of Sox10 for use in clinical diagnosis. We evaluated Sox10 and S100 mRNA levels in 122 cases of peripheral nerve sheath tumors and synovial sarcoma and used immunohistochemistry for Sox10 and S100 protein expression in 1012 tissue specimens. This study includes 174 tissue microarray cases previously reported by Nonaka and colleagues, which include cases of melanoma, dermatofibrosarcoma protuberans, neurofibroma, synovial sarcoma, clear-cell sarcoma, malignant peripheral nerve sheath tumor (MPNST), perineurioma, and schwannoma. Synovial sarcomas expressed significantly higher levels of S100B than Sox10 (P=7.9×10), and no significant Sox10 mRNA expression was identified in synovial sarcoma (n=40), whereas 18/40 cases showed comparatively increased levels of S100 mRNA. The majority of schwannomas (n=26) and neurofibromas (n=28) showed relatively an increased expression of both Sox10 and S100 mRNA. MPNSTs (n=28) showed variable levels of Sox10 and S100 mRNA expression, and these expression levels were highly correlated (Pearson correlation coefficient r=0.79). In contrast, immunohistochemistry performed on a larger and more varied number of cases highlighted significant differences between the 2 proteins. We identified 5 non-neural, nonmelanocytic sarcoma types in which a subset of cases showed S100 protein expression: synovial sarcoma (12/79, 15%), Ewing sarcoma (3/14, 21%), rhabdomyosarcoma (4/17, 24%), chondrosarcoma (3/4, 75%), and extraskeletal myxoid chondrosarcoma (5/11, 45%). For each of these entities, we identified cases with strong and diffuse S100 staining. Of these cases, only 1 case of rhabdomyosarcoma showed focal Sox10 positivity. In 78 cases of MPNST, S100 increased the sensitivity (31/78, 40%) as compared with Sox10 (21/78, 27%), but the majority of these cases were negative for both Sox10 and S100 (44/78, 56%). Sox10 proved superior to S100 in the detection of desmoplastic melanoma (7/9, 78%) and clear-cell sarcoma (4/7, 57%). We also report for the first time Sox10 expression in 26 cases of granular cell tumor, further supporting the neural crest derivation of this tumor. Excluding MPNST, S100 and Sox10 showed similar sensitivity in tumors of neural crest origin (140/148, 95% and 137/148, 93%, respectively). In summary, Sox10 shows an increased specificity for tumors of neural crest origin compared with S100: Sox10 was positive in only 5 of 668 cases (99% specificity) in nonschwannian, nonmelanocytic tumors, whereas S100 was positive in 53 of 668 cases (91% specificity). Sox10 should be used in the place of or along with S100 in soft tissue tumor diagnosis.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».