Genomics Identifies Medulloblastoma Subgroups That Are Enriched for Specific Genetic Alterations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Traditional genetic approaches to identify gene mutations in cancer are expensive and laborious. Nonetheless, if we are to avoid rejecting effective molecular targeted therapies, we must test these drugs in patients whose tumors harbor mutations in the drug target. We hypothesized that gene expression profiling might be a more rapid and cost-effective method of identifying tumors that contain specific genetic abnormalities. MATERIALS AND METHODS: Gene expression profiles of 46 samples of medulloblastoma were generated using the U133av2 Affymetrix oligonucleotide array and validated using real-time reverse transcriptase polymerase chain reaction (RT-PCR) and immunohistochemistry. Genetic abnormalities were confirmed using fluorescence in situ hybridization (FISH) and direct sequencing. RESULTS: Unsupervised analysis of gene expression profiles partitioned medulloblastomas into five distinct subgroups (subgroups A to E). Gene expression signatures that distinguished these subgroups predicted the presence of key molecular alterations that we subsequently confirmed by gene sequence analysis and FISH. Subgroup-specific abnormalities included mutations in the Wingless (WNT) pathway and deletion of chromosome 6 (subgroup B) and mutations in the Sonic Hedgehog (SHH) pathway (subgroup D). Real-time RT-PCR analysis of gene expression profiles was then used to predict accurately the presence of mutations in the WNT and SHH pathways in a separate group of 31 medulloblastomas. CONCLUSION: Genome-wide expression profiles can partition large tumor cohorts into subgroups that are enriched for specific genetic alterations. This approach may assist ultimately in the selection of patients for future clinical trials of molecular targeted therapies.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 découle