Picosecond Infrared Laser Desorption Mass Spectrometry Identifies Medulloblastoma Subgroups on Intrasurgical Timescales
Notice bibliographique
Résumé
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 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 | 0,000 |
| 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) | 0,000 | 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 ».