LGG-10. EPIGENETIC/GENETIC/MORPHOLOGIC ANALYSES REVEAL CLINICAL/PROGNOSTIC INSIGHT OF PEDIATRIC LOW GRADE GLIOMAS
Notice bibliographique
Résumé
Methylation analysis provides insight into the diagnosis and prognosis of pediatric brain tumors. However, the role of the methylome on pediatric low grade gliomas (PLGG) is still unclear. We performed methylome analysis using the Illumina EPIC array combined with pathologic, molecular and outcome data on 153 well annotated PLGG from both St-Jude and SickKids. For BRAFV600E gliomas, high grade gliomas were also included. Hierarchical clustering and t-Distributed Stochastic Neighbor Embedding (tSNE) plots uncovered multiple factors that influence methylation-based clustering of PLGG. Importantly, tumor location and lymphocyte infiltration influence the cluster more than molecular status or pathology. Methylation data results in helpful information to change the clinical management in 2.2% of tumors but classified tumors incorrectly 4.3%. For BRAF-V600E gliomas (n=81), all tumors with CDKN2A deletion were included in a PXA cluster regardless of the pathology. Gene-ontology analysis shows that the genes with highly methylated promoter regions in the PXA cluster are relevant to central nervous system/cell/tissue differentiation/development. Tumors clustering as PXA (DKFZ classifier) had 78% 5-year overall survival (OS). However, this group could be further stratified into 100% OS for those with low grade histology versus 30% for HGG (p<0.003). The PLGG methylome is affected by multiple non-neoplastic factors and provides information on rare subtypes. Combined molecular and pathological and methylation classification is required to implement this analysis in a clinical setting.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».