Histologic features and genomic alterations of primary colorectal adenocarcinoma predict growth patterns of liver metastasis
Notice bibliographique
Résumé
BACKGROUND: Different histological growth patterns (HGPs) of colorectal carcinoma (CRC) liver metastasis are associated with patients' prognosis and response to antiangiogenic therapy. However, the relationship between HGPs of liver metastasis and clinicopathological and genomic characteristics of primary cancer has not been well established. AIM: To assess whether certain clinicopathological and genomic features of primary CRC could predict the HGPs of liver metastasis. METHODS: A total of 29 patients with paired resections of both primary CRC and liver metastasis were divided into two groups: A (15 cases with desmoplastic liver metastasis) and B (14 cases with replacement liver metastasis). Clinical information was obtained from patients' charts. Mismatch repair proteins, BRAFV600E, and PD-L1 were evaluated by immunohistochemistry. Five cases were selected randomly from each group for whole exome sequencing (WES) analysis. RESULTS: 0.05). On WES analysis, primary carcinoma with desmoplastic liver metastasis showed mutations in APC (4/5); TP53 (3/5); KRAS, PIK3CA, and FAT4 (2/5); BRCA-1, BRCA2, BRAF, and DNAH5 (1/5), whereas primary carcinoma with replacement liver metastasis showed mutations in APC and TP53 (3/5); KRAS, FAT4, DNH5, SMAD, ERBB2, ERBB3, LRP1, and SDK1 (1/5). CONCLUSION: The HGPs, TBS, and CDR of primary CRC as well as the presence of specific genetic mutations such as those in PIK3CA could be used to predict the HGPs of liver metastasis, response to therapy, and patients' prognosis.
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 | 0,001 |
| 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) | 0,002 | 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 ».