MétaCan
Menu
Retour à la cohorte
Enregistrement W4309017650 · doi:10.1093/neuonc/noac209.069

BIOM-59. NOVEL BIOMARKER DISCOVERY AND DIAGNOSTICS FOR INTRA-AXIAL BRAIN TUMORS, USING CSF PROTEOMICS

2022· article· en· W4309017650 sur OpenAlexaff
Alireza Mansouri, Nicholas Mikolajewicz, Shahbaz Khan, Mara Trifoi, Brad E. Zacharia, Michael Glantz, Gelareh Zadeh, Thomas Kislinger

Notice bibliographique

RevueNeuro-Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProteomicsCerebrospinal fluidBrain tumorBiomarkerBiomarker discoveryMedicineMalignancyBrain biopsyLiquid biopsyPathologyReceiver operating characteristicOncologyCancerBiopsyBiologyInternal medicineGene

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Invasive brain sampling is typically necessary for reliable diagnosis and prognostication of intra-axial brain tumors but carries risk of morbidity. Liquid biopsy of proximal fluids may mitigate this risk. Through direct contact with the tumor microenvironment and, as an ultra-filtrate of plasma, the cerebrospinal fluid may be the ideal matrix. Reflecting the tumor phenotype, proteomic analyses are critical. Here we identified diagnostic CSF proteomic signatures and putatively novel biomarkers for glioblastoma (GBM), brain metastases (BM), and central nervous system lymphoma (CNSL). METHODS CSF samples were retrospectively retrieved from the Penn State Neuroscience Biorepository and profiled using shotgun proteomics and the MStern approach. Proteomic signatures were identified using machine learning classifiers and survival analyses. RESULTS With as little as 30 µL of CSF, 755 unique proteins were recovered across 73 samples (22 GBM, 17 BM, 14 CNSL, 20 NPH). Proteomic-based classifiers identified malignancy with area under the receiver operating characteristic (AUROC) of 0.94 and distinguished between tumor entities with AUROC ≥0.95. More clinically relevant triplex classifiers, comprised of just 3 proteins, distinguished between tumor entities with AUROC of 0.75-0.89. Novel biomarkers were identified, including GAP43, TFF3 and CACNA2D2, and characterized using single-cell RNA sequencing. DISCUSSION Reliable classification of intra-axial malignancies using low CSF volumes is feasible, allowing for longitudinal tumor surveillance. Based on emerging evidence, upfront implantation of CSF reservoirs in brain tumor patients warrants consideration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207