328. MOLECULAR SUBTYPING OF ESOPHAGEAL ADENOCARCINOMA BY NON-NEGATIVE MATRIX FACTORIZATION OF LASER CAPTURE MICRODISSECTED RNA-SEQ SAMPLES
Notice bibliographique
Résumé
Abstract Previous attempts to construct prognostic molecular subtypes for esophageal adenocarcinoma (EAC) using gene expression profiling has met with little success when compared to adenocarcinomas from other disease sites. We hypothesized that this is in part due to the low tumour cellularity obtained from EAC biopsy and resection specimens, which obscures the tumour-intrinsic gene expression signals due to normal cell contamination. We systematically collected biopsies from pre-treatment, post-induction, and metastatic EAC tumors. Laser capture microdissection (LCM) was utilized to enrich for tumour cells for whole transcriptome sequencing (RNA-seq) (N = 54). We utilized non-negative matrix factorization (NMF) with 7 components to identify common gene expression programs across our samples. After applying NMF to our samples, we identified 4 tumour-intrinsic components and 3 tumour-extrinsic components (including immune infiltrate and normal esophagus). These components validated on TCGA EAC and esophageal squamous cell carcinoma RNA-seq, single cell RNA-seq from EAC organoids, and the cancer cell line encyclopedia. Moreover, we observed that these tumour-intrinsic gene expression programs were preserved in EAC samples metastatic to other organ sites such as liver and lymph nodes. We observed that most tumours expressed more than one tumour component and that approximately 25% of our samples had low tumour signals despite LCM enrichment. We used LCM to enrich for tumour signal in EAC gene expression profiling data and identified 4 tumour-intrinsic gene expression programs that validate across multiple datasets. We have currently conducting survival analysis on our data and TCGA data to further validate the prognostic potential of our tumour signatures.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».