MétaCan
Menu
← Retour à la cohorte
Enregistrement W2947085892 · doi:10.1200/jco.2019.37.15_suppl.e20574

Methylation profiling of EGFR mutant primary and metastatic lung cancer with brain metastasis.

2019· article· en· W2947085892 sur OpenAlexaff
Yasin Mamatjan, Michael Cabanero, Jessica Weiss, Jeffrey Zuccato, Hadas Sorotsky, Ming‐Sound Tsao, Kenneth Aldape, Gelareh Zadeh, Frances A. Shepherd

Notice bibliographique

RevueJournal of Clinical Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensUniversity of TorontoUniversity Health NetworkPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMethylationLung cancerDNA methylationMedicineBrain metastasisOncologyLungMetastasisPathologyAdenocarcinomaCancer researchInternal medicineCancerBiologyGene expressionGeneGenetics

Résumé

récupéré en direct d'OpenAlex

e20574 Background: EGFR-mutant lung cancer is a key molecular subtype of lung cancer. In recent years there is clear recognition in the value of using methylation signature of cancer for improving diagnosis and predicting outcome as well as understanding the biology of cancer progression. Methods: In this study we chose to characterize the methylome signature of early stage surgically resected EGFR-mutant lung adenocarcinomas in the primary lung tumor. 90 NSCLC cases and 7 matched metastatic brain samples were profiled using Illumina Infinium MethylationEPIC Beadchip. We compared methylation profiles of 1) smokers versus lifetime non-smokers and 2) matched primary lung versus brain metastasis to identify methylation biomarkers. We performed supervised analysis and unsupervised clustering of the methylation data. Results: Unsupervised clustering of all lung and brain samples based on 10K most variable probes showed a similar methylation signature between metastatic brain samples and lung samples. The 7-matched brain and lung samples formed close cluster groups based on matching pairs for the most variable probes from 2.5K to 10K, reflecting the same cell of origin. Supervised analysis of smokers versus lifetime non-smokers did not show any significant methylation differences between the two groups, while unsupervised analysis did not create clusters of smokers and non-smokers based on various number of probe sets we analyzed. Conclusions: Lung tumors that metastasized to the brain share similar methylation features with primary lung tumors. Comprehensive methylation profiling demonstrated no difference between EGFR mutant tumors in smokers versus non-smokers, suggesting that the EGFR mutation is a stronger determinant of outcome independent of smoking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,498
Écart entre enseignants0,433 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→