Integrated Classification of Prostate Cancer Reveals a Novel Luminal Subtype with Poor Outcome
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
Prostate cancer is a biologically heterogeneous disease with variable molecular alterations underlying cancer initiation and progression. Despite recent advances in understanding prostate cancer heterogeneity, better methods for classification of prostate cancer are still needed to improve prognostic accuracy and therapeutic outcomes. In this study, we computationally assembled a large virtual cohort (n = 1,321) of human prostate cancer transcriptome profiles from 38 distinct cohorts and, using pathway activation signatures of known relevance to prostate cancer, developed a novel classification system consisting of three distinct subtypes (named PCS1-3). We validated this subtyping scheme in 10 independent patient cohorts and 19 laboratory models of prostate cancer, including cell lines and genetically engineered mouse models. Analysis of subtype-specific gene expression patterns in independent datasets derived from luminal and basal cell models provides evidence that PCS1 and PCS2 tumors reflect luminal subtypes, while PCS3 represents a basal subtype. We show that PCS1 tumors progress more rapidly to metastatic disease in comparison with PCS2 or PCS3, including PSC1 tumors of low Gleason grade. To apply this finding clinically, we developed a 37-gene panel that accurately assigns individual tumors to one of the three PCS subtypes. This panel was also applied to circulating tumor cells (CTC) and provided evidence that PCS1 CTCs may reflect enzalutamide resistance. In summary, PCS subtyping may improve accuracy in predicting the likelihood of clinical progression and permit treatment stratification at early and late disease stages. Cancer Res; 76(17); 4948-58. ©2016 AACR.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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