Histo- and immunohistochemistry-based estimation of the TCGA and ACRG molecular subtypes for gastric carcinoma and their prognostic significance: A single-institution study
Notice bibliographique
Résumé
Gastric cancers comprise molecularly heterogeneous diseases; four molecular subtypes were identified in the cancer genome atlas (TCGA) study, with implications in patient management. In our efforts to devise a clinically feasible means of subtyping, we devised an algorithm based on histology and five stains available in most academic pathology laboratories. This algorithm was used to subtype our cohort of 107 gastric cancer patients from a single institution (St. Michael's Hospital, Toronto, Canada), which was divided into 3 cases of EBV-positive, 23 of MSI, 27 of GS and 54 of CIN tumours. 87% of the tumours with diffuse histology were classified as GS subtype, which was notable for younger age. Examining for characteristic molecular features, aberrant p53 immunostaining was seen most frequently in the CIN subtype (43% in CIN vs. 6% in others), whereas ARID1A loss was rarely seen (6% vs. 35% in others). HER2 overexpression was seen exclusively in CIN tumours (17% of CIN tumours). PD-L1 positivity was seen predominantly in the EBV and MSI tumours. As with the TCGA study, no survival differences were seen between the subtypes. A similar strategy was employed to approximate the Asian Cancer Research Group (ACRG) molecular subtyping, with the addition of p53 IHC to the algorithm. We observed rates of ARID1A loss and HER2 overexpression that were comparable to the ACRG study. In summary, our algorithm allowed for clinically feasible means of subtyping gastric carcinoma that recapitulated the key molecular features reported in the large scale studies.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».