A Machine Learning Analysis of TCGA Expression Data to Finding Signatures for “Normal-Like” IDH-WT Diffuse Gliomas with a Longer Survival
Notice bibliographique
Résumé
Classification of primary CNS tumours is currently achieved by complementing histologic analysis with molecular information, in accordance with the WHO guidelines, and aims at providing accurate prognosis and optimal patient management. cIMPACT-NOW update 3 now recommends grading diffuse IDH-wild type astrocytomas as grade IV glioblastomas if they bear one or more of the following molecular alterations: EGFR amplification, TERT promoter mutation, and whole-chromosome 7 gain combined with chromosome 10 loss. In this reanalysis of the Cancer Genome Atlas (TCGA) glioma expression datasets, we identified 14 IDH-wt infiltrating astrocytic gliomas displaying a “normal-like (NL)” transcriptomic profile associated with a longer survival rate. Some of these tumours would be considered as GBM-equivalents with the current diagnostic algorithm. A k-nearest neighbors model was used to identify 3-gene signatures able to identify NL IDH-WT gliomas. Genes such as C5AR1 (complement receptor) SLC32A1 (vesicular gamma-aminobutyric acid transporter), and SMIM10L2A (long non-coding RNA) were overrepresented in these signatures which were validated further using the Chinese Glioma Genome and Ivy Glioblastoma Atlases. They showed high discriminative power and correlation with survival. This finding could lead to the validation of an immunohistochemical or PCR test which would facilitate classification of IDH-WT astrocytomas with unclear histological grading. Furthermore, associated signaling pathways might represent novel treatment targets for aggressive tumours. LEARNING OBJECTIVES This presentation will enable the learner to: 1. Reconsider recent updates in the WHO classification of infiltrating gliomas. 2. Discuss advanced bioinformatics profiling of the brain cancer transcriptome.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».