Risk stratification of gastrointestinal stromal tumors by Nanostring gene expression profiling
Notice bibliographique
Résumé
Abstract PurposeThe risk assessment classification schemes for gastrointestinal stromal tumors (GIST) includes tumor site, size, mitotic count and variably tumour rupture. Heterogeneity in high risk GIST poses limitations for current classification schemes. Objective This study aims to demonstrate the clinical utility of risk stratification by gene expression profiling (GEP) using Nanostring technology. MEthodFifty-six GIST cases were analyzed using a 231 gene expression panel. GEP results were correlated with clinical and pathological data. The prognostic performance was assessed in 34 patients with available survival data using ROC curves, Kaplan Meier Survival curves and compared with traditional risk assessment schemes. Results Volcano plot analysis identified seven genes with significantly higher expression (FDR < .05) in high risk than in non-high risk tumors, namely, TYMS, CDC2, TOP2A, CCNA2, E2F1, PCNA, and BIRC5. Together, these transcripts exhibited significantly higher expression in high risk tumors than in intermediate ( P < .001), low ( P < .001), and very low ( P = 0.01) risk tumors. Receiver operating characteristic curve analysis demonstrated area under the curve (AUC) to be 0.861 for the separation of high risk and non-high risk tumors. Kaplan-Meier survival analysis demonstrated improved risk stratification (log-rank test P < .001) compared to the current risk assessment classification ( P = 0.18). Conclusion In addition to current clinical and histology-based risk classification for patients with GIST, gene expression may offer complementary prognostic information.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».