MétaCan
Menu
Retour à la cohorte
Enregistrement W2924881066 · doi:10.1158/0008-5472.can-18-3411

Picosecond Infrared Laser Desorption Mass Spectrometry Identifies Medulloblastoma Subgroups on Intrasurgical Timescales

2019· article· en· W2924881066 sur OpenAlexafffund
Michael Woolman, Claudia M. Kuzan-Fischer, Isabelle Ferry, Taira Kiyota, Betty Luu, Megan Wu, David G. Muñoz, Sunit Das, Ahmed Aman, Michael D. Taylor, James T. Rutka, Howard J. Ginsberg, Arash Zarrine‐Afsar

Notice bibliographique

RevueCancer Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensSt. Michael's HospitalHospital for Sick ChildrenInstitute for Work & HealthOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHospital for Sick Children
Mots-clésPicosecondInfraredMass spectrometryMedulloblastomaLaserChemistryMaterials scienceAnalytical Chemistry (journal)MedicineOpticsCancer researchPhysicsEnvironmental chemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract Medulloblastoma (MB) is a pediatric malignant brain tumor composed of four different subgroups (WNT, SHH, Group 3, Group 4), each of which are a unique biological entity with distinct clinico-pathological, molecular, and prognostic characteristics. Although risk stratification of patients with MB based on molecular features may offer personalized therapies, conventional subgroup identification methods take too long and are unable to deliver subgroup information intraoperatively. This limitation prevents subgroup-specific adjustment of the extent or the aggressiveness of the tumor resection by the neurosurgeon. In this study, we investigated the potential of rapid tumor characterization with Picosecond infrared laser desorption mass spectrometry (PIRL-MS) for MB subgroup classification based on small molecule signatures. One hundred and thirteen ex vivo MB tumors from a local tissue bank were subjected to 10- to 15-second PIRL-MS data collection and principal component analysis with linear discriminant analysis (PCA-LDA). The MB subgroup model was established from 72 independent tumors; the remaining 41 de-identified unknown tumors were subjected to multiple, 10-second PIRL-MS samplings and real-time PCA-LDA analysis using the above model. The resultant 124 PIRL-MS spectra from each sampling event, after the application of a 95% PCA-LDA prediction probability threshold, yielded a 98.9% correct classification rate. Post-ablation histopathologic analysis suggested that intratumoral heterogeneity or sample damage prior to PIRL-MS sampling at the site of laser ablation was able to explain failed classifications. Therefore, upon translation, 10-seconds of PIRL-MS sampling is sufficient to allow personalized, subgroup-specific treatment of MB during surgery. Significance: This study demonstrates that laser-extracted lipids allow immediate grading of medulloblastoma tumors into prognostically important subgroups in 10 seconds, providing medulloblastoma pathology in an actionable manner during surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0200,004

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 Opus0,039
Tête enseignante GPT0,357
Écart entre enseignants0,319 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations53
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207