Abstract B020: A copy number and expression based classifier for breast cancer tumors
Notice bibliographique
Résumé
Abstract In our recent study, the Molecular Taxonomy of Breast Cancer International Consortium (METABRIC) proposed a new classification of breast cancer tumors into 10 new subtypes based on an integrated analysis of copy number and gene expression of 1,000 genes on 997 samples. These integrative clusters (IntClust) showed different copy number and expression profiles with distinct prognosis. Some of these IntClust were novel to the breast cancer literature, including a high risk ER+ group that have an 11q13/14 amplification (IntClust2) and a favourable prognosis group with no copy number alterations (IntClust4). This unsupervised analysis was validated with another 983 tumors, showing that the 10 groups were reproducible. Here we present a robust multi-platform classifier that predicts the integrative cluster of any breast tumor using data from any existing microarray/sequencing platform. Amongst its main features are the ability to classify each sample independently, -that is the assignment of each specific sample does not depend on the rest of the set of the tumors that are being classified- and its good performance on different microarray and sequencing platforms tested. It also provides the probability for every sample to belong to each of the ten subgroups. We will discuss the challenges encountered when building a proper classifier, such as robust multi-platform feature selection –that is, selecting and adapting the original probes used in the paper to a general setting- and normalization of the data. Copy number features are easy to adapt because they are based on log-ratios against a normal reference; something available in most platforms, but expression features require a more rigorous processing approach to ensure that their distribution is comparable to the original discovery dataset used to derive the ten integrative clusters. Finally, we present results on several publicly available breast cancer datasets that reflect the heterogeneity present in this disease and pinpoint the distinct genomic features that these ten subgroups possess. We have also classified several widely used breast cell lines into the integrative clusters, which can be very helpful in designing functional experiments oriented towards understanding biological processes that drive tumorigenesis in each of these ten new subgroups. The classifier will be available to the scientific community as an R/Bioconductor package. Citation Format: Oscar M. Rueda, Raza H. Ali, Christina Curtis, Suet-Feung Chin, Alejandra Bruna, Roslin Russell, Bernard Pereira, group METABRIC, Samuel Aparicio, Carlos Caldas. A copy number and expression based classifier for breast cancer tumors. [abstract]. In: Proceedings of the AACR Special Conference on Advances in Breast Cancer Research: Genetics, Biology, and Clinical Applications; Oct 3-6, 2013; San Diego, CA. Philadelphia (PA): AACR; Mol Cancer Res 2013;11(10 Suppl):Abstract nr B020.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».