A Rapid and Cost-Effective Gene Expression Assay for the Diagnosis of Well-Differentiated and Dedifferentiated Liposarcomas
Notice bibliographique
Résumé
Histologic examination neither reliably distinguishes benign lipomas from atypical lipomatous tumor/well-differentiated liposarcoma, nor dedifferentiated liposarcoma from other pleomorphic sarcomas, entities with different prognoses and management. Molecular confirmation of pathognomonic 12q13-15 amplifications leading to MDM2 overexpression is a diagnostic gold standard. Currently the most commonly used assay for this purpose is fluorescence in situ hybridization (FISH), but this is labor intensive. This study assessed whether newer NanoString-based technology could allow for more rapid and cost-efficient diagnosis of liposarcomas on standard formalin-fixed tissues through gene expression. Leveraging large-scale transcriptome data from The Cancer Genome Atlas, 20 genes were identified, most from the 12q13-15 amplicon, that distinguish dedifferentiated liposarcoma from other sarcomas and can be measured within a single NanoString assay. Using 21 cases of histologically ambiguous low-grade adipocytic tumors with available MDM2 amplification status, a machine learning-based analytical pipeline was built that assigns a given sample as negative or positive for liposarcoma based on quantitative gene expression. The effectiveness of the assay was validated on an independent set of 100 sarcoma samples (including 40 incident prospective cases), where histologic examination was considered insufficient for clinical diagnosis. The NanoString assay had a 93% technical success rate, and an accuracy of 97.8% versus an MDM2 amplification FISH gold standard. NanoString had a considerably faster turnaround time and was cheaper than FISH.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».