Targeting oncofetal high mobility group A2 (HMGA2) to increase sensitivity to temozolomide (TMZ) in glioblastoma (GB) cells
Notice bibliographique
Résumé
Combined risk stratification models were designed based on clinical and cytogenetic biomarkers identified by multivariate Cox proportional-hazards analyses. Identified biomarkers were tested using FISH on a non-overlapping medulloblastoma tissue microarray (n=453), with subsequent validation of the risk stratification models. Results: Subgroup information improves the predictive accuracy of a multivariate survival model compared to clinical biomarkers alone. Most previously published cytogenetic biomarkers are only prognostic within a single medulloblastoma subgroup. Profiling a six-pack of FISH biomarkers (GLI2, MYC, 11, 14, 17p, and 17q) on FFPE tissues, we can reliably and reproducibly identify very low-risk and very high-risk patients within each of SHH, Group3 and Group4 medulloblastomas. Conclusions: Combining subgroup and cytogenetic biomarkers with established clinical biomarkers substantially improves patient prognostication, even in the context of heterogeneous clinical therapies. The prognostic significance of most molecular biomarkers is restricted to a specific subgroup. We have identified a small panel of cytogenetic biomarkers that reliably identifies very high-risk, and very low-risk groups of patients, and which will make an excellent tool for selecting patients for therapy intensification and therapy de-escalation in future clinical trials.
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 | 0,011 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».