MétaCan
Menu
Retour à la cohorte
Enregistrement W3181844394 · doi:10.1158/1538-7445.am2021-3147

Abstract 3147: Stereotactic image-guided epigenome profiling reveals a neural stem cell evolutionary origin of diffuse gliomas

2021· article· en· W3181844394 sur OpenAlexaboutno aff
Floris P Barthel, Niels Verburg, Russell C. Rockne, Roelant S. Eijgelaar, Kevin Anderson, Domenique Müller, Sergio Branciamore, Kevin C. Johnson, Pieter Wesseling, Philip C. De Witt Hamer, Roel G.W. Verhaak

Notice bibliographique

RevueCancer Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLineage (genetic)GliomaWhite matterBiologyEpigenomePathologyBrain tumorBiopsyEvolutionary biologyDNA methylationMagnetic resonance imagingMedicineCancer researchGeneRadiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Diffuse gliomas are malignant neoplasms originating in the parenchyma of the central nervous system whose cellular origin remains elusive. To determine the cellular and spatiotemporal origin of gliomas, we devised a three-dimensional reconstruction of tumor lineage. We used neuronavigation to acquire eight to twelve image-guided and spatially separated stereotactic biopsy samples from 16 adult patients with a diffuse glioma, which we characterized using DNA methylation arrays. A total of 133 samples were obtained from regions with and without imaging abnormalities. Methylation profiles were analyzed to construct phyloepigenetic trees and subsequently projected on 3D image-derived tumor maps. Lineage analysis of these evolutionary trees indicated that the sampled gliomas largely evolved stochastically, suggesting that critical tumor drivers were acquired early in time. These results were further validated using 102 multi-region samples from 24 independent patients. Patristic (evolutionary) and cartesian (spatial) distances between pairs of tumor samples from the same patient demonstrated strong correlations, suggesting that this information could be used to determine trajectories of tumor evolution. Evolutionary and spatial distance metrics were combined with histologically obtained and computationally quantified cellularity and proliferation rates to model the direction and magnitude of tumor growth. In order to relate tumor lineage to brain anatomy we mapped patient imaging to a reference space (Montreal Neurological Institute, MNI). Samples mapping to regions of white matter were earlier in tumor lineage when compared to samples mapping to regions of gray matter, suggesting that white matter involvement is an early feature of tumor development. Samples early in tumor lineage were located closer to the ventricles when compared with samples late in lineage, suggesting that tumors grow outward from the ventricular lining. Finally, we used a tumor probability map constructed using imaging from over 500 unrelated patients to associate lineage to tumor probability. Results from this analysis indicated that periventricular areas of high tumor probability coincided with samples early in tumor lineage and cortical areas of low tumor probability coincided with samples late in tumor lineage. Taken together, our phylogeographic analysis of tumor development supports a neural progenitor cell-of-origin model, where neural stem cells in the subventricular zone of the lateral ventricles give rise to mature tumors. Citation Format: Floris P. Barthel, Niels Verburg, Russell Rockne, Roelant Eijgelaar, Kevin Anderson, Domenique Müller, Sergio Branciamore, Kevin C. Johnson, Pieter Wesseling, Philip C. de Witt Hamer, Roel G. Verhaak. Stereotactic image-guided epigenome profiling reveals a neural stem cell evolutionary origin of diffuse gliomas [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2021; 2021 Apr 10-15 and May 17-21. Philadelphia (PA): AACR; Cancer Res 2021;81(13_Suppl):Abstract nr 3147.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,082
Tête enseignante GPT0,417
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207