Evaluating gastroenteropancreatic neuroendocrine tumors through microRNA sequencing
Notice bibliographique
Résumé
Gastroenteropancreatic neuroendocrine tumors (GEP-NETs) can be challenging to evaluate histologically. MicroRNAs (miRNAs) are small RNA molecules that often are excellent biomarkers due to their abundance, cell-type and disease stage specificity and stability. To evaluate miRNAs as adjunct tissue markers for classifying and grading well-differentiated GEP-NETs, we generated and compared miRNA expression profiles from four pathological types of GEP-NETs. Using quantitative barcoded small RNA sequencing and state-of-the-art sequence annotation, we generated comprehensive miRNA expression profiles from archived pancreatic, ileal, appendiceal and rectal NETs. Following data preprocessing, we randomly assigned sample profiles to discovery (80%) and validation (20%) sets prior to data mining using machine-learning techniques. High expression analyses indicated that miR-375 was the most abundant individual miRNA and miRNA cistron in all samples. Leveraging prior knowledge that GEP-NET behavior is influenced by embryonic derivation, we developed a dual-layer hierarchical classifier for differentiating GEP-NET types. In the first layer, our classifier discriminated midgut (ileum, appendix) from non-midgut (rectum, pancreas) NETs based on miR-615 and -92b expression. In the second layer, our classifier discriminated ileal from appendiceal NETs based on miR-125b, -192 and -149 expression, and rectal from pancreatic NETs based on miR-429 and -487b expression. Our classifier achieved overall accuracies of 98.5% and 94.4% in discovery and validation sets, respectively. We also found provisional evidence that low- and intermediate-grade pancreatic NETs can be discriminated based on miR-328 expression. GEP-NETs can be reliably classified and potentially graded using a limited panel of miRNA markers, complementing morphological and immunohistochemistry-based approaches to histologic evaluation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».