P.097 Metabolomic and lipidomic profiling of high and low grade gliomas - a matched serum and tissue clinical study
Notice bibliographique
Résumé
Background: It is well understood that gliomas require vast supply of energy to proliferate, invade and spread. We wished to identify novel biomarkers by comparing normal brain and plasma to high and low grade gliomas using newer techniques in laser ionization mass spectroscopy - precision metabolomics and lipidomics. Methods: Single center IRB approved tissue bank of “normal” brain and plasma (n=6) and IDH wild-type GBM tissue and plamsa (n=29), IDH mutant GBM tissue and plamsa (n=6), Low grade glioma (n=4) tissue and plamsa were analyzed for over 2000 endogenous metbolites and complex lipids. Unbiased clustering and Random Forest plots and pathway analysis were performed with appropriate statsitical analysis (significance p < 0.05). Results: IDH mutant GBM had higher levels of 2-HG, however, plasma 2-HG did not reflect IDH genotype. Changes in glucose and fatty acid utilization were observed in IDH WT and mutant gliomas compared to normal brain tissue. Lipidomics of plasma and tissue of normal and gliomas did not reveal a biomarker reaching statistical significance. Conclusions: We will continue to investigate if plasma and tissue biomarkers including hypotaurine, methionine, branched chain amino acid catabolites and pregnonolone can be used to predict tumor progression, response to treatment and clinical outcomes.
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 | 0,001 | 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) | 0,004 | 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 ».