MétaCan
Menu
Retour à la cohorte
Enregistrement W4205297406 · doi:10.1136/jitc-2021-003687

Immunologic constant of rejection signature is prognostic in soft-tissue sarcoma and refines the CINSARC signature

2022· article· en· W4205297406 sur OpenAlexaff
François Bertucci, Vincent Niziers, Alexandre de Nonneville, Pascal Finetti, Léna Mescam, Olivier Mir, Antoîne Italiano, Axel Le Cesne, Jean‐Yves Blay, Michele Ceccarelli, Davide Bedognetti, Daniel Birnbaum, Émilie Mamessier

Notice bibliographique

RevueJournal for ImmunoTherapy of Cancer · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesnon disponible
Mots-clésPathologicalMedicineOncologySoft tissue sarcomaSarcomaMultivariate analysisInternal medicineStage (stratigraphy)ImmunohistochemistryMetastasisImmune systemPathologyCancerImmunologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Soft-tissue sarcomas (STSs) are heterogeneous and aggressive tumors, with high metastatic risk. The immunologic constant of rejection (ICR) 20-gene signature is a signature of cytotoxic immune response. We hypothesized that ICR might improve the prognostic assessment of early-stage STS. METHODS: We retrospectively applied ICR to 1455 non-metastatic STS and searched for correlations between ICR classes and clinicopathological and biological variables, including metastasis-free survival (MFS). RESULTS: Thirty-four per cent of tumors were classified as ICR1, 27% ICR2, 24% ICR3, and 15% ICR4. These classes were associated with patients' age, pathological type, and tumor depth, and an enrichment from ICR1 to ICR4 of quantitative/qualitative scores of immune response. ICR1 class was associated with a 59% increased risk of metastatic relapse when compared with ICR2-4 class. In multivariate analysis, ICR classification remained associated with MFS, as well as pathological type and Complexity Index in Sarcomas (CINSARC) classification, suggesting independent prognostic value. A prognostic clinicogenomic model, including the three variables, was built in a learning set (n=339) and validated in an independent set (n=339), showing greater prognostic precision than each variable alone or in doublet. Finally, connectivity mapping analysis identified drug classes potentially able to reverse the expression profile of poor-prognosis tumors, such as chemotherapy and targeted therapies. CONCLUSION: ICR signature is independently associated with postoperative MFS in early-stage STS, independently from other prognostic features, including CINSARC. We built a robust prognostic clinicogenomic model integrating ICR, CINSARC, and pathological type, and suggested differential vulnerability of each prognostic group to different systemic therapies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,575
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

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 Opus0,018
Tête enseignante GPT0,314
Écart entre enseignants0,296 · 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 tête enseignante, 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

Citations45
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for ImmunoTherapy of CancerMême sujetSarcoma Diagnosis and TreatmentTravaux en français237 207