MétaCan
Menu
Retour à la cohorte
Enregistrement W3036427315 · doi:10.1158/1078-0432.ccr-20-0103

Development and Validation of the Gene Expression Predictor of High-grade Serous Ovarian Carcinoma Molecular SubTYPE (PrOTYPE)

2020· article· en· W3036427315 sur OpenAlexafffund
Aline Talhouk, Joshy George, Chen Wang, Timothy Budden, Tuan Zea Tan, Derek S. Chiu, Stefan Kommoss, Huei San Leong, Stephanie Chen, Maria P. Intermaggio, C. Blake Gilks, Tayyebeh M. Nazeran, Mila Volchek, Wafaa Elatre, Rex C. Bentley, Janine Senz, Amy Lum, Veronica Chow, Hanwei Sudderuddin, Robertson Mackenzie, Samuel C.Y. Leong, Geyi Liu, Dustin Johnson, Billy Chen, Jennifer Alsop, Susana Banerjee, Sabine Behrens, Clara Bodelón, Alison H. Brand, Louise A. Brinton, Michael E. Carney, Yoke-Eng Chiew, Kara L. Cushing‐Haugen, Cezary Cybulski, Darren Ennis, Sián Fereday, Renée T. Fortner, Jesús García-Donás, Aleksandra Gentry‐Maharaj, Rosalind Glasspool, Teodora Goranova, Casey S. Greene, Paul Haluska, Holly R. Harris, Joy Hendley, Brenda Y. Hernandez, Esther Herpel, Mercedes Jimenez‐Liñan, Chloe Karpinskyj, Scott H. Kaufmann, Gary L. Keeney, Catherine J. Kennedy, Martin Köbel, Jennifer M. Koziak, Melissa C. Larson, Jenny Lester, Liz-Anne Lewsley, Jolanta Lissowska, Jan Lubiński, Hugh Luk, Geoff Macintyre, Sven� Mahner, Iain A. McNeish, Janusz Menkiszak, Nikilyn Nevins, Ana Osório, Oleg Oszurek, José Palacios, Samantha Hinsley, Celeste Leigh Pearce, Malcolm C. Pike, Anna Piskorz, Isabelle Ray‐Coquard, Valerie Rhenius, Cristina Rodríguez‐Antona, Raghwa Sharma, Mark E. Sherman, Dilrini De Silva, Naveena Singh, Hans‐Peter Sinn, Dennis J. Slamon, Honglin Song, Helen Steed, Euan A. Stronach, Pamela J. Thompson, Aleksandra Tołoczko, Britton Trabert, Nadia Traficante, Chiu-Chen Tseng, Martin Widschwendter, Lynne R. Wilkens, Stacey J. Winham, Boris Winterhoff, Alicia Beeghly‐Fadiel, Javier Benı́tez, Andrew Berchuck, James D. Brenton, Robert Brown, Jenny Chang‐Claude, Georgia Chenevix‐Trench, Anna DeFazio, Peter A. Fasching, María J. García, Simon A. Gayther, Marc T. Goodman, Jacek Gronwald, Michelle J. Henderson, Beth Y. Karlan, Linda E. Kelemen, Usha Menon, Sandra Oršulić, Paul D.P. Pharoah, Nicolas Wentzensen, Anna H. Wu, Joellen M. Schildkraut, Mary Anne Rossing, Gottfried E. Konecny, David G. Huntsman, Ruby Yun‐Ju Huang, Ellen L. Goode, Susan J. Ramus, Jennifer A. Doherty, David D.L. Bowtell, Michael S. Anglesio

Notice bibliographique

RevueClinical Cancer Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensRoyal Alexandra HospitalBC Cancer AgencyFoothills Medical CentreCanadian Centre for Applied Research in Cancer ControlVancouver General HospitalAlberta Health ServicesUniversity of British Columbia
Organismes subventionnairesNational Cancer InstituteCancer Council TasmaniaCancer Council VictoriaHorizon 2020 Framework ProgrammePeter MacCallum FoundationBC Cancer FoundationUniversity College London Hospitals NHS Foundation TrustMedical Research and Materiel CommandEisaiCanada Excellence Research Chairs, Government of CanadaBundesministerium für Bildung und ForschungCanada Research ChairsCanadian Institutes of Health ResearchCancer Institute NSWCancer AustraliaMayo ClinicOvarian Cancer ActionMichael Smith Health Research BCNational Health and Medical Research CouncilAstraZenecaInvitaeDaiichi-SankyoMacroGenicsNational Institute for Health and Care ResearchClovis OncologyCancer Research UKUniversity College LondonCancer Council NSWOvarian Cancer AustraliaNational Institutes of HealthDr. Miriam and Sheldon G. Adelson Medical Research FoundationCelgeneCarrick TherapeuticsIgnytaU.S. Department of DefenseEli Lilly and CompanyCancer Council South AustraliaDeutsches KrebsforschungszentrumPfizerEuropean CommissionBreast Cancer Research FoundationAmerican Oil Chemists' SocietyNational Center for Advancing Translational SciencesMedical Research CouncilTeva Pharmaceutical IndustriesAmerican Cancer Society
Mots-clésSerous fluidOvarian carcinomaSerous carcinomaOncologyOvarian cancerSerous ovarian cancerGene expressionGene expression profilingClinical trialInternal medicineGeneMedicineBioinformaticsBiologyCancerGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: Gene expression–based molecular subtypes of high-grade serous tubo-ovarian cancer (HGSOC), demonstrated across multiple studies, may provide improved stratification for molecularly targeted trials. However, evaluation of clinical utility has been hindered by nonstandardized methods, which are not applicable in a clinical setting. We sought to generate a clinical grade minimal gene set assay for classification of individual tumor specimens into HGSOC subtypes and confirm previously reported subtype-associated features. Experimental Design: Adopting two independent approaches, we derived and internally validated algorithms for subtype prediction using published gene expression data from 1,650 tumors. We applied resulting models to NanoString data on 3,829 HGSOCs from the Ovarian Tumor Tissue Analysis consortium. We further developed, confirmed, and validated a reduced, minimal gene set predictor, with methods suitable for a single-patient setting. Results: Gene expression data were used to derive the predictor of high-grade serous ovarian carcinoma molecular subtype (PrOTYPE) assay. We established a de facto standard as a consensus of two parallel approaches. PrOTYPE subtypes are significantly associated with age, stage, residual disease, tumor-infiltrating lymphocytes, and outcome. The locked-down clinical grade PrOTYPE test includes a model with 55 genes that predicted gene expression subtype with >95% accuracy that was maintained in all analytic and biological validations. Conclusions: We validated the PrOTYPE assay following the Institute of Medicine guidelines for the development of omics-based tests. This fully defined and locked-down clinical grade assay will enable trial design with molecular subtype stratification and allow for objective assessment of the predictive value of HGSOC molecular subtypes in precision medicine applications. See related commentary by McMullen et al., p. 5271

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,498
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,181
Tête enseignante GPT0,430
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations75
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207