NEIM-04 LEVERAGING NOVEL NEUROIMAGING TECHNIQUES TO LINK BRAIN METASTASES AND LOCAL GENE EXPRESSION
Notice bibliographique
Résumé
Abstract Metastases are the most prevalent adult brain tumour, most commonly arising from lung, breast, or melanoma primaries. Studies have suggested that different primary tumor types may have predilection for seeding to specific brain regions. One hypothesis is that the interaction of the genomic environment within specific brain region(s) and seeding tumor cells is ideal for supporting this process. The recent availability of neuroimaging based transcriptomic atlases make it feasible to test this hypothesis. In this proof-of-concept study, we leverage the Allen atlas to evaluate whether variance in location among different tumour subtypes can be explained by normative gene expression. Manual segmentation was done on contrast-enhanced T1-weighted MRIs in 31 patients with brain metastases and known primary tumour [breast (n=7), lung (n=14), genitourinary (n=5) and melanoma (n=5)]. Segmented lesions were transformed to template brain space. First, odds-ratio maps were created for each primary tumour subtype. These maps delineate brain regions that were preferentially engaged by each subtype. Consistent with prior literature, odds-ratio maps demonstrated a preference for metastases to seed to different brain regions according to primary tumour subtype, e.g. lung - cerebellum, melanoma - frontal and temporal lobes. Next, mapping our lesions on the Allen atlas of normative gene expression, we identified significant (p<0.01) differences in the local expression of certain genes– such as LEPROT and ITPKA – related to the spatial pattern of breast, lung, genitourinary, and melanoma. This novel approach integrates imaging and transcriptomic techniques that could be used towards an improved understanding of neuro-oncologic processes. Crucially, this approach would allow investigators to leverage conventional anatomical images – acquired as part of a patient’s normal clinical course and in the absence of tissue samples – to better understand cancer mechanics. This has potential ramifications for therapeutic decision-making. Large-scale prospective studies are underway.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».