Absolute Assignment of Breast Cancer Intrinsic Molecular Subtype
Notice bibliographique
Résumé
BACKGROUND: Massively parallel gene expression profiling has provided a more objective, molecular-level characterization of breast cancer subtypes. Several bioinformatics tools are available to infer patient subtype from a gene expression profile including the well-studied PAM50. The specific algorithmic methods used in these tools require access to a broad patient dataset. The choice of subtype for an individual is determined relative to all other patients across the panel, making subtypes heavily dependent on the composition of the dataset. Our aim was to develop a bioinformatics approach assigning absolute breast cancer subtypes, independent of dataset composition. METHODS: Using a dataset of 4924 breast cancer patients, we defined a new bioinformatics approach: Absolute Intrinsic Molecular Subtyping (AIMS) that assigns subtype from a gene expression profile for an individual sample without the need for a large, diverse, and normalized dataset. We evaluated the agreement of AIMS with PAM50 and compared subtype assignment and prognostic value of the subtypes. We assessed AIMS' robustness using a benchmark set of tests including subtype reproducibility between technologies, gene removal, and normal gene expression contamination, and compared it with PAM50. All statistical tests, except where noted, were two-sided. RESULTS: AIMS vastly agreed with PAM50, with 76% and 77% agreement for cross validation and the test set, respectively, and the prognostic capacity of the intrinsic subtypes was preserved. AIMS is fully stable, and its absolute nature enables its use on a wide range of datasets and technologies, including RNA-seq. CONCLUSIONS: The instability of a breast cancer subtyping scheme like PAM50 could have important consequences in clinical management of patients. AIMS is a fully stable and robust subtyping scheme that recapitulates PAM50.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».