Abstract PR09: The prognostic landscape of genes and infiltrating immune cells across human cancers
Notice bibliographique
Résumé
Abstract Molecular profiles of tumors and tumor-associated cells hold great promise as biomarkers of clinical outcomes. However, existing datasets are fragmented and difficult to analyze systematically. We present a pan-cancer resource and comprehensive meta-analysis of expression signatures from ~18,000 human tumors with overall survival outcomes across 39 malignancies. While a third of prognostic genes were cancer-specific, a FOXM1 regulatory network is a major predictor of adverse outcomes, while favorably prognostic genes largely reflect tumor-associated leukocytes. Using a novel computational approach, we enumerated leukocyte subsets in bulk tumor transcriptomes, revealing complex novel malignancy-specific associations between 22 distinct leukocytes and cancer survival. Tumor-associated neutrophil-like polymorphonuclear cell and plasmacytic cells emerged as significant but opposite predictors of survival for diverse solid tumors, including breast and lung adenocarcinomas. Our results introduce new analytical tools for delineating prognostic genes and leukocytes within and across cancers, and shed light on the impact of tumour heterogeneity on cancer outcomes, with applications for discovering novel biomarkers and therapeutic targets Citation Format: Andrew J. Gentles, Aaron M. Newman, Chih Long Liu, Scott V. Bratman, Weiguo Feng, Dongkyoon Kim, Viswam S. Nair, Xu Yue, Amanda Khuong, Chuong D. Hoang, Maximilian Diehn, Robert B. West, Sylvia K. Plevritis, Ash A. Alizadeh. The prognostic landscape of genes and infiltrating immune cells across human cancers. [abstract]. In: Proceedings of the AACR Special Conference on Translation of the Cancer Genome; Feb 7-9, 2015; San Francisco, CA. Philadelphia (PA): AACR; Cancer Res 2015;75(22 Suppl 1):Abstract nr PR09.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».