Molecular subgrouping of atypical teratoid/rhabdoid tumors—a reinvestigation and current consensus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Atypical teratoid/rhabdoid tumors (ATRTs) are known to exhibit molecular and clinical heterogeneity even though SMARCB1 inactivation is the sole recurrent genetic event present in nearly all cases. Indeed, recent studies demonstrated 3 molecular subgroups of ATRTs that are genetically, epigenetically, and clinically distinct. As these studies included different numbers of tumors, various subgrouping techniques, and naming, an international working group sought to align previous findings and to reach a consensus on nomenclature and clinicopathological significance of ATRT subgroups. METHODS: We integrated various methods to perform a meta-analysis on published and unpublished DNA methylation and gene expression datasets of ATRTs and associated clinicopathological data. RESULTS: In concordance with previous studies, the analyses identified 3 main molecular subgroups of ATRTs, for which a consensus was reached to name them ATRT-TYR, ATRT-SHH, and ATRT-MYC. The ATRT-SHH subgroup exhibited further heterogeneity, segregating further into 2 subtypes associated with a predominant supratentorial (ATRT-SHH-1) or infratentorial (ATRT-SHH-2) location. For each ATRT subgroup we provide an overview of its main molecular and clinical characteristics, including SMARCB1 alterations and pathway activation. CONCLUSIONS: The introduction of a common classification, characterization, and nomenclature of ATRT subgroups will facilitate future research and serve as a common ground for subgrouping patient samples and ATRT models, which will aid in refining subgroup-based therapies for ATRT patients.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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 découle