MétaCan
Menu
Retour à la cohorte
Enregistrement W2419781531 · doi:10.1093/neuonc/now076.83

MB-87INTEGRATED GENOMICS REVEALS NOVEL SUBTYPES OF MEDULLOBLASTOMA SUBGROUPS

2016· article· en· W2419781531 sur OpenAlexaff
Florence M.G. Cavalli, Marc Remke, Jüri Reimand, Ladislav Rampášek, Anna Goldenberg, Michael D. Taylor, Vijay Ramaswamy

Notice bibliographique

RevueNeuro-Oncology · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueViral Infectious Diseases and Gene Expression in Insects
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedulloblastomaGenomicsBiologyComputational biologyGeneticsGenomeGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medulloblastoma is now accepted to comprise four distinct molecular variants, and current clinical trials are stratifying patients using a combined biological and clinical risk stratification. Despite the identification of the 4 core subgroups, there appears to exist tremendous clinical heterogeneity within the four subgroups suggesting additional substructure. METHODS: Integrative clustering of 763 primary medulloblastoma samples with gene expression and genome wide methylation data was performed with the Similarity Network fusion method (SNF), and correlated with clinical features and copy-number aberrations. RESULTS: Integrative clustering faithfully recapitulated the four principal subgroups of medulloblastoma, with a boundary between Group 3 and 4, and intra-subgroup biological heterogeneity more clearly apparent than either expression or methylation alone. The WNT subgroup consists of two subtypes, one defined by monosomy 6 and a second of older patients without monosomy 6. We found the highest evidence for four subtypes of SHH, 1) two infants subgroups with clear prognostic differences, pathway aberrations and copy number profiles, 2) childhood group with a poor prognosis and 3) an adult group. MYC amplifications enrich in a distinct cluster of Group 3 with a significantly poor prognosis. Copy number profiles and driver pathways define three subtypes of Group 4. CONCLUSIONS: Integrative clustering provides profound insights into the biological heterogeneity within each of the principle medulloblastoma subgroups. As current therapies result in significant long-term sequelae, the identification of substructure within the four subgroups allows for more refinement in biological risk stratification as well as identification of novel agents for future rationale targeted therapies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,270
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetViral Infectious Diseases and Gene Expression in InsectsTravaux en français237 207