MétaCan
Menu
← Retour à la cohorte
Enregistrement W2793539844 · doi:10.1200/jco.2018.36.6_suppl.634

Comparison of tumor mutational burden (TMB) in <i>PBRM1/BAP1</i>-based subsets of advanced renal cell carcinoma (aRCC).

2018· article· en· W2793539844 sur OpenAlexaff
Sumanta K. Pal, Russell W. Madison, Jon Chung, Neeraj Agarwal, Paulo Gustavo Bergerot, Dominick Bossé, Ethan S. Sokol, Ryan J. Hartmaier, Vincent A. Miller, Jeffrey S. Ross, Toni K. Choueiri, Siraj M. Ali

Notice bibliographique

RevueJournal of Clinical Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésBAP1MedicineClear cell renal cell carcinomaOncologyInternal medicineCancer researchRenal cell carcinomaCancer

Résumé

récupéré en direct d'OpenAlex

634 Background: Using IHC, Joseph et al (J Urol 2016) propose that 40.1%, 48.6%, 8.7% and 1.8% of patients (pts) can be characterized as PBRM1+BAP1+, PRBM1-BAP1+, PBRM1+BAP1- and PBRM1-BAP1-, respectively. We sought to confirm consistency of the frequency of genomic alterations (GAs) and IHC data and to compare TMB across subsets. Methods: DNA was extracted from 40 microns of FFPE sections from pts with aRCC. Comprehensive genomic profiling (CGP) was performed on hybridization-captured, adaptor ligation based libraries to a mean coverage depth of 688X for up to 315 cancer-related genes plus 37 introns from 14 genes frequently rearranged in cancer. TMB was determined on 1.2 million Mb of sequenced DNA; results are reported in subsets segregated by presence or absence of PBRM1 and BAP1 alteration. Results: 648 consecutive pts (459:189 M:F) with clear cell RCC (ccRCC) were assessed with a median age of 58, and 368 consecutive pts (254:114 M:F) with non-clear cell RCC (nccRCC) were assessed with a median age of 57. Mutations in BAP1 and PBRM1 were found more frequently in ccRCC vs nccRCC (P < 0.05 for both). In pts with ccRCC, average TMB was highest in pts with co-occurring PBRM1 and BAP1 GAs (4.87 muts/Mb), and lowest in pts lacking both GAs (2.77 muts/Mb) (P < 0.05). TMB was similar across PBRM1/BAP1-based subsets amongst pts with nccRCC. Conclusions: As anticipated, the frequency of PBRM1/BAP1-mutated subsets by CGP is inversely related to the frequency of subsets with PBRM1/BAP1 loss by IHC from previous reports. In addition to these confirmatory findings, this large series identifies that pts with dual PBRM1/ BAP1 GAs (associated with the worst prognosis) had the highest TMB. [Table: see text]

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,117
Tête enseignante GPT0,464
Écart entre enseignants0,347 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRenal cell carcinoma treatment→Travaux en français237 207→