Immunohistochemical and nanoString-Based Subgrouping of Clinical Medulloblastoma Samples
Notice bibliographique
Résumé
The diagnosis of medulloblastoma incorporates the histologic and molecular subclassification of clinical medulloblastoma samples into wingless (WNT)-activated, sonic hedgehog (SHH)-activated, group 3 and group 4 subgroups. Accurate medulloblastoma subclassification has important prognostic and treatment implications. Immunohistochemistry (IHC)-based and nanoString-based subgrouping methodologies have been independently described as options for medulloblastoma subgrouping, however have not previously been directly compared. We describe our experience with nanoString-based subgrouping in a clinical setting and compare this with our IHC-based results. Study materials included FFPE tissue from 160 medulloblastomas. Clinical data and tumor histology were reviewed. Immunohistochemical-based subgrouping using β-catenin, filamin A and p53 antibodies and nanoString-based gene expression profiling were performed. The sensitivity and specificity of IHC-based subgrouping of WNT and SHH-activated medulloblastomas was 91.5% and 99.54%, respectively. Filamin A immunopositivity highly correlated with SHH/WNT-activated subgroups (sensitivity 100%, specificity 92.7%, p < 0.001). Nuclear β-catenin immunopositivity had a sensitivity of 76.2% and specificity of 99.23% for detection of WNT-activated tumors. Approximately 23.8% of WNT cases would have been missed using an IHC-based subgrouping method alone. nanoString could confidently predict medulloblastoma subgroup in 93% of cases and could distinguish group 3/4 subgroups in 96.3% of cases. nanoString-based subgrouping allows for a more prognostically useful classification of clinical medulloblastoma samples.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| 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) | 0,001 | 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 ».