Immunohistochemical assays for bladder cancer molecular subtyping: Optimizing parsimony and performance using Lund taxonomy
Notice bibliographique
Résumé
Abstract Transcriptomic and proteomic profiling reliably classifies bladder cancers into luminal and basal molecular subtypes. Based on their prognostic and predictive associations, these subtypes may improve clinical management of bladder cancers. However, the complexity of published subtyping algorithms has limited their translation into practice. Here we optimize and validate compact subtyping algorithms based on the Lund taxonomy. We reanalyzed immunohistochemistry (IHC) expression data of muscle-invasive bladder cancer samples from Lund 2017 (n=193) and 2012 (n=76) cohorts. We characterized and quantified IHC expression patterns, and determined the simplest, most accurate decision tree models to identify subtypes. We tested the utility of a previously published algorithm using routine antibody assays commonly available in surgical pathology laboratories (GATA3, KRT5 and p16) to identify basal/luminal subtypes and to distinguish between luminal subtypes, Urothelial-Like (Uro) and Genomically Unstable (GU). We determined the dominant decision tree classifiers using four-fold cross-validation with separate uniformly distributed train (75%) and validation (25%) sets. Using the three-antibody algorithm resulted in 86-95% accuracy across training and validation sets for identifying basal/luminal subtypes, and 67-86% accuracy for basal/Uro/GU subtypes. Although antibody assays for KRT14 and RB1 are not routinely used in pathology practice, these features achieved the simplest and most accurate models to identify basal/luminal and Uro/GU/basal subtypes, achieving 93-96% and 85-86% accuracies, respectively. When translated to a more complex model using eight antibody assays, accuracy was comparable to simplified models, with 86% (train) and 82% (validation). We conclude that a simple immunohistochemical classifier can accurately identify luminal (Uro, GU) and basal subtypes and pave the way for clinical implementation.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».