Development of a Clinically Applicable NanoString-Based Gene Expression Classifier for Muscle-Invasive Bladder Cancer Molecular Stratification
Notice bibliographique
Résumé
Transcriptional profiling of muscle-invasive bladder cancer (MIBC) using RNA sequencing (RNA-seq) technology has demonstrated the existence of intrinsic basal and luminal molecular subtypes that vary in their prognosis and response to therapy. However, routine use of RNA-seq in a clinical setting is restricted by cost and technical difficulties. Herein, we provide a single-sample NanoString-based seven-gene (KRT5, KRT6C, SERPINB13, UPK1A, UPK2, UPK3A and KRT20) MIBC molecular classifier that assigns a luminal and basal molecular subtype. The classifier was developed in a series of 138 chemotherapy naïve MIBCs split into training (70%) and testing (30%) datasets. Further, we validated the previously published CK5/6 and GATA3 immunohistochemical classifier which showed high concordance of 96.9% with the NanoString-based gene expression classifier. Immunohistochemistry-based molecular subtypes significantly correlated with recurrence-free survival (RFS) and disease-specific survival (DSS) in univariable (p = 0.006 and p = 0.011, respectively) and multivariate cox regression analysis for DSS (p = 0.032). Used sequentially, the immunohistochemical- and NanoString-based classifiers provide faster turnaround time, lower cost per sample and simpler data analysis for ease of clinical implementation in routine diagnostics.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».