MétaCan
Menu
Retour à la cohorte
Enregistrement W2988677670 · doi:10.1093/neuonc/noz175.644

PATH-48. THE DNA METHYLATION LANDSCAPE OF CORE AND PERIPHERAL DIFFUSE GLIOMA REGIONS SHOWS LITTLE SPATIAL SUBTYPE HETEROGENEITY AFTER CONSIDERING TUMOR PURITY

2019· article· en· W2988677670 sur OpenAlexaff
Niels Verburg, Floris P Barthel, Kevin Anderson, Thomas Koopman, Maqsood Yaqub, Otto S. Hoekstra, Adriaan A. Lammertsma, Frederik Barkhof, Petra J. W. Pouwels, Jaap C. Reijneveld, Jan Heijmans, Annemieke J.M. Rozemüller, J Costello, Michael D. Taylor, W.P. Vandertop, Ronald Boellaard, Kevin C. Johnson, Pieter Wesseling, Philip de Witt Hamer, Roel G.W. Verhaak

Notice bibliographique

RevueNeuro-Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGliomaDNA methylationMethylationEpigeneticsDNABiologyBrain tumorPathologyMolecular biologyCancer researchGeneGeneticsMedicineGene expression

Résumé

récupéré en direct d'OpenAlex

Abstract While diffuse gliomas are notorious for their histopathological, genetic and transcriptional spatial heterogeneity, little is known about their epigenetic spatial heterogeneity. The result of spatial (epi)genetic analysis is strongly influenced by the proportion of cancer cells in a sample, so called tumor purity. However, a gold standard for assessment of tumor purity is lacking. We set out to analyze tumor purity using different measurement modalities and explore tumor purity-corrected DNA methylation spatial heterogeneity in glioma. DNA methylation(-derived), quantitative histological and radiological measurements of tumor purity, as well as DNA methylation profiles, were analyzed in 133 image-guided multi-sector stereotactic biopsy samples of 16 patients with newly diagnosed glioma. These biopsies were acquired in regions with and without abnormalities on MRI. Data was validated in two independent populations of respectively 102 multi-region samples in 24 glioma patients and 64 single-region samples from patients without glioma. DNA methylation profiles from The Cancer Genome Atlas and the patients without glioma was used to predict DNA methylation and transcriptional subtype. Consensus measurement of tumor purity estimates (CPE) ranged from 0 to 91% and was most correlated with the DNA methylation measurement of tumor purity. Neuropathological qualitative assessment of tumor presence generally corresponded well with CPE, but occasionally samples reported as ‘histologically normal’ demonstrated tumor purities up to 53%. After filtering specimens with tumor purity less than 50%, DNA methylation subtype showed little spatial heterogeneity, this in contrast to transcriptional subtype. Samples from core and peripheral regions showed similar DNA methylation profiles. Non-purity related intratumoral heterogeneity for promotor methylation of epigenetically regulated genes was minimal, but higher in IDH-wildtype than in IDH-mutant gliomas. In conclusion, after considering DNA methylation-based measurement of tumor purity DNA methylation in diffuse gliomas shows little spatial heterogeneity; incorporating such tumor purity information can further increase the reliability of methylation-profiling-based tumor classification.

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 enseignants0,002
Score d'incertitude au seuil0,006

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)0,0020,000

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 Opus0,018
Tête enseignante GPT0,290
Écart entre enseignants0,272 · 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 revueNeuro-OncologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207