Absolute Assignment of Breast Cancer Intrinsic Molecular Subtype
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
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.
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 | 0,000 | 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 découle