Evaluation of immunohistochemical markers in non‐small cell lung cancer by unsupervised hierarchical clustering analysis: a tissue microarray study of 284 cases and 18 markers
Notice bibliographique
Résumé
This study has investigated a panel of immunomarkers in non-small cell lung carcinoma (NSCLC). Unsupervised hierarchical clustering analysis was used to investigate the possibility of identifying different subgroups in NSCLC based on their molecular expression profile rather than morphological features. A tissue microarray consisting of 284 cases of NSCLC was constructed. Immunohistochemistry was used to detect the presence of 18 biomarkers including synaptophysin, chromogranin, bombesin, NSE, GFI1, ASH-1, p53, p63, p21, p27, E2F-1, cyclin D1, Bcl-2, TTF-1, CEA, HER2/neu, cytokeratin 5/6, and pancytokeratin. Univariate analysis of all 18 markers for prognostic significance was performed. Immunohistochemical scoring data for NSCLC were analysed by unsupervised hierarchical clustering analysis. Kaplan-Meier survival curves were plotted for the different cluster groups of lung tumours identified by this method. Analysis of the three different World Health Organization (WHO) subtypes (adenocarcinoma, squamous cell carcinoma, large cell carcinoma) of NSCLC individually showed that different markers were significant in different subtypes. For example, p53 and p63 were significant for squamous cell carcinoma (p = 0.007 and p = 0.03, respectively), whereas cyclin D1 and HER2/neu were significant prognostic markers for adenocarcinoma (p = 0.025 and p = 0.015, respectively). These markers were not significant prognostic predictors for NSCLC as a group. Hierarchical clustering analysis of NSCLC produced four separate cluster groups, although the vast majority of cases were found in two cluster groups, one dominated by squamous cell carcinoma and the other by adenocarcinoma. The clinical outcomes of cases from the four cluster groups were not significantly different. Prognostic indicators vary between different morphological subtypes of NSCLC. Unsupervised hierarchical clustering analysis, based on an extended immunoprofile, identifies two main cluster groups corresponding to adenocarcinoma and squamous cell carcinoma; cases of large cell carcinomas are assigned to one of these two groups based on their molecular phenotype.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».