Abstract 2273: Unsupervised clustering of multi-omics molecular layers reveals consensus molecular subtypes showing potential therapeutic opportunities for pancreatic cancer
Notice bibliographique
Résumé
Abstract Introduction: Pancreatic cancer is a lethal disease showing dismal prognosis and therapeutic resistance. Previous molecular subtypes from genome or transcriptome did not show clinical relevance regarding precision strategy for optimal therapeutic options followed by precise patient classification. This study aims to uncover consensus molecular subtypes from cancer-specific multi-omics data showing clinically relevant therapeutic opportunities. Methods: We performed comprehensive analyses using the dataset from the cancer dependency map (DepMap) project, including cancer-specific molecular characterization with multi-omics data, genome-wide loss-of-function screening using the CRISPR-Cas9 system, and cancer drug sensitivity. The subtype-specific molecular signatures were validated in independent translational cohorts (TCGA-PAAD; n=150, ICGC-PACA-AU; n=461, ICGC-PACA-CA; n=317). Results: Integrative profiling of multi-omics molecular layers (Mutational signature, Copy number alteration, Transcriptome, MicroRNA, Chromatic profile, Proteome, and Metabolome) from pancreatic cancer cell lines (n=59) from the Cancer Cell Line Encyclopedia (CCLE) revealed a total of three cancer-specific molecular subtypes showing distinct tumor biology through all omics layer as well as clinical relevance with unique molecular dependency. Major molecular features of each subtype were reproducible in the validation cohorts. Subtype-specific molecular biomarkers, including mutational signature and metabolites, were identified. Finally, the target drug with subtype-specific genetic dependency was analyzed to provide precision strategy according to distinct subtypes’ molecular characterization. Conclusions: Integrative profiling from multi-omics molecular layers revealed precision strategies based on cancer-specific molecular subtypes of pancreatic cancer in terms of tumor classification and discriminative therapeutic opportunities. Prospective translational studies companion with clinical trials based on cancer-specific molecular subtypes is mandatory to establish the precision strategy for managing pancreatic cancer. Citation Format: Sung Hwan Lee, Jiyeon Park. Unsupervised clustering of multi-omics molecular layers reveals consensus molecular subtypes showing potential therapeutic opportunities for pancreatic cancer [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2022; 2022 Apr 8-13. Philadelphia (PA): AACR; Cancer Res 2022;82(12_Suppl):Abstract nr 2273.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».