ECOA-8. Lung adenocarcinoma brain metastasis prediction using tumor DNA methylation profiling
Notice bibliographique
Résumé
Abstract Introduction The development of brain metastases from primary cancer profoundly impacts patient prognosis. Up to one quarter of lung cancers develop brain metastases and subsequent median overall survival is one year. Although clinical factors do not reliably predict brain metastasis development, DNA methylation signatures have been recently shown to predict outcomes in other cancers. It is hypothesized that DNA methylation signatures predicting brain metastasis development from lung cancer will be identified. This work may allow for treatment strategies that prevent brain metastasis development in high risk lung cancer patients. Methods DNA methylation profiling was undertaken on N=124 lung adenocarcinoma patients. In a randomly selected 70% training cohort, differentially methylated CpG sites between patients developing and not developing brain metastases were identified and used to build a generalized boosted regression model. Patients in the independent 30% testing cohort were assigned brain metastasis risk scores by the model. Results Brain metastases developed in 49/124 (39.5%) of patients and 2.3K CpG sites were significantly differentially methylated between patients developing and not developing metastases. Methylation-based brain metastasis risk scores predicted time to brain metastasis development in the testing cohort (Univariate cox: HR=3.2, 95% CI 1.1–9.4, p=0.03). A multivariate cox analysis assessing tumor size and nodal positivity together with methylation scores as covariates identified methylation scores as the only independent predictor of brain metastasis development in the testing cohort (HR=4.3, 95%CI 1.1–17, p=0.038). Conclusions DNA methylation signatures in lung adenocarcinomas predict brain metastasis development independently from the non-metastatic components of cancer stage. Future work developing a comprehensive nomogram utilizing methylation scores together with clinical factors to determine patient specific risk values may aid in treatment decisions and patient prognosis counselling.
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 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) | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».