A Diagnostic Gene Expression Signature for Bladder Cancer Can Stratify Cases into Prescribed Molecular Subtypes and Predict Outcome
Notice bibliographique
Résumé
Bladder cancer is a biologically heterogeneous disease with variable clinical presentations, outcomes and responses to therapy. Thus, the clinical utility of single biomarkers for the detection and prediction of biological behavior of bladder cancer is limited. We have previously identified and validated a bladder cancer diagnostic signature composed of 10 biomarkers, which has been incorporated into a multiplex immunoassay bladder cancer test, Oncuria™. In this study, we evaluate whether these 10 biomarkers can assist in the prediction of bladder cancer clinical outcomes. Tumor gene expression and patient survival data from bladder cancer cases from The Cancer Genome Atlas (TCGA) were analyzed. Alignment between the mRNA expression of 10 biomarkers and the TCGA 2017 subtype classification was assessed. Kaplan-Meier analysis of multiple gene expression datasets indicated that high expression of the combined 10 biomarkers correlated with a significant reduction in overall survival. The analysis of three independent, publicly available gene expression datasets confirmed that multiplex prognostic models outperformed single biomarkers. In total, 8 of the 10 biomarkers from the Oncuria™ test were significantly associated with either luminal or basal molecular subtypes, and thus, the test has the potential to assist in the prediction of clinical outcome.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».