P.138 A small RNA signature from extracellular vesicles in patient plasma correlates with recurrence or progression of high-grade gliomas
Notice bibliographique
Résumé
Background: While managing patients with high-grade gliomas (HGG), predicting recurrence, or differentiating between pseudoprogression (radiation necrosis) and true tumour progression would be invaluable in improving overall prognosis. Characterizing small RNA (sRNA) expression profiles from plasma-derived extracellular vesicles (EVs) over the course of a patient’s treatments, may allow for patient-specific treatment modifications and improve outcomes. Methods: EVs were isolated using Vn96 capture from plasma obtained longitudinally from HGG patients perioperatively and with routine, follow-up surveillance imaging. sRNA was enriched from the EVs, upon which sequencing and unsupervised hierarchal clustering of sRNA signatures were completed. Expression profiles were grouped longitudinally with the clinical status of patients. Results: Cluster analysis of sequences from nine HGG patients, has revealed a sRNA signature that is able to distinguish between tumours showing evidence of progression and those remaining stable over time. Those samples obtained from patients where a clinical diagnosis of tumour progression or pseudoprogression were uncertain, were found to cluster into progression vs. stable signatures. Clinical follow up of these patients will reveal the predictive value of these identified clusters. Conclusions: These preliminary findings demonstrate the potential utility of small RNA profiling of EVs obtained from patients with high-grade gliomas as non-invasive biomarkers for recurrent/progressive disease or stability/pseudoprogression.
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 | 0,000 | 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) | 0,003 | 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 ».