A Novel Method for Rapid Molecular Subgrouping of Medulloblastoma
Notice bibliographique
Résumé
Abstract Purpose: The classification of medulloblastoma into WNT, SHH, group 3, and group 4 subgroups has become of critical importance for patient risk stratification and subgroup-tailored clinical trials. Here, we aimed to develop a simplified, clinically applicable classification approach that can be implemented in the majority of centers treating patients with medulloblastoma. Experimental Design: We analyzed 1,577 samples comprising previously published DNA methylation microarray data (913 medulloblastomas, 457 non-medulloblastoma tumors, 85 normal tissues), and 122 frozen and formalin-fixed paraffin-embedded medulloblastoma samples. Biomarkers were identified applying stringent selection filters and Linear Discriminant Analysis (LDA) method, and validated using DNA methylation microarray data, bisulfite pyrosequencing, and direct-bisulfite sequencing. Results: Using a LDA-based approach, we developed and validated a prediction method (EpiWNT-SHH classifier) based on six epigenetic biomarkers that allowed for rapid classification of medulloblastoma into the clinically relevant subgroups WNT, SHH, and non-WNT/non-SHH with excellent concordance (>99%) with current gold-standard methods, DNA methylation microarray, and gene signature profiling analysis. The EpiWNT-SHH classifier showed high prediction capacity using both frozen and formalin-fixed material, as well as diverse DNA methylation detection methods. Similarly, we developed a classifier specific for group 3 and group 4 tumors, based on five biomarkers (EpiG3-G4) with good discriminatory capacity, allowing for correct assignment of more than 92% of tumors. EpiWNT-SHH and EpiG3-G4 methylation profiles remained stable across tumor primary, metastasis, and relapse samples. Conclusions: The EpiWNT-SHH and EpiG3-G4 classifiers represent a new simplified approach for accurate, rapid, and cost-effective molecular classification of single medulloblastoma DNA samples, using clinically applicable DNA methylation detection methods. Clin Cancer Res; 24(6); 1355–63. ©2018 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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».