Whole-genome and transcriptome profiling of a metastatic thyroid-like follicular renal cell carcinoma
Notice bibliographique
Résumé
Thyroid-like follicular renal cell carcinoma (TLFRCC) is a rare cancer with few reports of metastatic disease. Little is known regarding genomic characteristics and therapeutic targets. We present the clinical, pathologic, genomic, and transcriptomic analyses of a case of a 27-yr-old male with TLFRCC who presented initially with bone metastases of unknown primary. Genomic DNA from peripheral blood and metastatic tumor samples were sequenced. A transcriptome of 280 million sequence reads was generated from the same tumor sample. Tumor somatic expression profiles were analyzed to detect aberrant expression. Genomic and transcriptomic data sets were integrated to reveal dysregulation in pathways and identify potential therapeutic targets. Integrative genomic analysis with The Cancer Genome Atlas (TCGA) data set revealed the following outliers in gene expression profiles: CDK6 (81st percentile), MYC (99th percentile), AR (100th percentile), PDGFRA and PDGFRB (99th and 100th percentiles, respectively), and MAP2K2 (86th percentile). The patient received first-line sunitinib to target PDGFRA and PDGFRB and had stable disease for >6 mo, followed by nivolumab upon progression. To the authors’ knowledge, this is the first reported case of comprehensive somatic genomic analyses in a patient with metastatic TLFRCC. Somatic analyses provided molecular confirmation of the primary site of cancer and potential therapeutic strategies in a rare disease with little evidence of efficacy on systemic therapy.
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 | 0,000 | 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) | 0,001 | 0,000 |
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.
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 ».