Sox10 is Superior to S100 in the Diagnosis of Meningioma
Notice bibliographique
Résumé
Meningiomas are the most common primary cranial tumor arising in the central nervous system and its coverings, constituting 35.5% of primary brain tumors. Schwannomas account for 8.3% of primary neoplasms of the central nervous system. Occasionally these tumors can show overlapping morphology, most conspicuously in the fibrous variant of meningioma. In such cases, immunohistochemistry can help to establish a definitive diagnosis. Currently S100 is the most commonly used immunohistochemical stain to show neural crest differentiation in tumors. This may lead to potential misclassification of meningeal tumors, as up to 70% of fibrous meningiomas can show S100 expression. Our study sought to determine if Sox10 would prove a more specific alternative to S100 in cases of meningioma when the differential diagnosis includes schwannoma. We compared the mRNA expression of S100B and Sox10 using the publicly available GSE16581 meningioma dataset. We then studied Sox10 and S100 protein expression using immunohistochemistry in 147 cases of meningioma using tissue microarrays (TMA) and 19 cases of fibrous meningioma using full cross-sections (FCS). Sox10 and S100B mRNA expression in GSE16581 showed no significant correlation in meningothelial tumors (r=-0.002, P=0.989). By immunohistochemistry, S100 was positive in 14/19 (73.7%) of FCSs and 71/147 (48.3%) of TMA tumors, whereas Sox10 (protein name) was positive in only 1/19 (5.3%) of FCSs and 3/147 (2.0%) of TMA tumors. In summary, Sox10 is superior to S100 in the differential diagnosis of schwannoma and meningioma.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».