Abstract LB-212: Treehouse Childhood Cancer Project: a resource for sharing and multiple cohort analysis of pediatric cancer genomics data
Notice bibliographique
Résumé
Abstract Deep sequencing of adult and pediatric tumors revealed that different cancers share common genetic mutations. Aside from sequence mutation, gene expression, copy number, and epigenetic mechanisms contribute to tumorigenesis, and integrating this information may reveal more aberrant signaling pathways than analysis of mutations alone. Significantly, agents targeting specific pathways may be effective against multiple malignancies, regardless of the mechanisms of pathway deregulation. These observations suggest that pediatric cancer patients may benefit from targeted therapies developed for adults. Since the development of pediatric-cancer-specific therapies is hindered by the limited involvement of pharmaceutical companies and small patient cohorts, repositioning drugs designed for adult tumors remains the fastest and most effective way to bring new treatment options to pediatric cancer patients While pediatric tumors have been characterized by genome-wide technologies, the data from these studies are typically under-utilized beyond the initial single cohort, single data type analyses. Consequently, we still lack a comprehensive picture of the molecular pathways that contribute to pediatric cancer in each patient, especially those that can be targeted in the clinic. Integrating multiple datasets is essential for assembling large enough patient cohorts to achieve an understanding of cancer-driving molecular aberrations in individual patients. The Treehouse Childhood Cancer Project consolidates gene expression, mutation and copy number datasets under the UCSC Cancer Genomics Browser (https://genome-cancer.ucsc.edu), and currently contains data from over 1000 pediatric tumors from TARGET and other studies. Treehouse enables mining these data alongside the data from adult cancers studied by The Cancer Genome Atlas consortium (TCGA). This is accomplished using bioinformatics tools developed for the TCGA Pan-Cancer Analysis Working Group and aimed at identifying situations where a subset of pediatric tumors may be driven by similar molecular pathways as adult tumors. We have assembled a consortium of researchers who plan to both contribute data to the Treehouse platform and apply Treehouse data in their analyses. These include John Maris (Children's Hospital of Philadelphia), Michael Taylor (Hospital for Sick Children, Toronto), Poul Sorensen (University of British Columbia), Timothy Triche (Children's Hospital Los Angeles), Soheil Meshinchi (Fred Hutchinson Cancer Research Center), Doug Hawkins (Seattle Children's Hospital), Javed Khan (NIH Center for Cancer Research), Ching Lao (Texas Children's Hospital), Leonard Sender (UC Irvine, Children's Hospital of Orange County), Alejandro Sweet-Cordero (Stanford School of Medicine), and D.W. Parsons (Baylor College of Medicine). In this submission, we demonstrate the utility of the Treehouse resource by analyzing the neuroblastoma TARGET cohort in the context of adult TCGA cancers. This work presents a proof of concept that cross-cancer multiple cohort analysis can lead to new insights into pediatric malignancies. Citation Format: Olena Morozova, Yulia Newton, Melissa Cline, Jingchun Zhu, Katrina Learned, Josh Stuart, Sofie Salama, Robert Arceci, David Haussler. Treehouse Childhood Cancer Project: a resource for sharing and multiple cohort analysis of pediatric cancer genomics data. [abstract]. In: Proceedings of the 106th Annual Meeting of the American Association for Cancer Research; 2015 Apr 18-22; Philadelphia, PA. Philadelphia (PA): AACR; Cancer Res 2015;75(15 Suppl):Abstract nr LB-212. doi:10.1158/1538-7445.AM2015-LB-212
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 | 0,013 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,036 |
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 ».