The multiomic landscape of meningiomas: a review and update
Notice bibliographique
Résumé
PURPOSE: Meningiomas are the most common primary brain tumor in adults. Traditionally they have been understudied compared to other central nervous system (CNS) tumors. However over the last decade, there has been renewed interest in uncovering the molecular topography of these tumors, with landmark studies identifying key driver alterations contributing to meningioma development and progression. Recent work from several independent research groups have integrated different genomic and epigenomic platforms to develop a molecular-based classification scheme for meningiomas that could supersede histopathological grading in terms of diagnostic accuracy, biological relevance, and outcome prediction, keeping pace with contemporary grading schemes for other CNS tumors including gliomas and medulloblastomas. METHODS: Here we summarize the studies that have uncovered key alterations in meningiomas which builds towards the discovery of consensus molecular groups in meningiomas by integrating these findings. These groups supersede WHO grade and other clinical factors in being able to accurately predict tumor biology and clinical outcomes following surgery. RESULTS: Despite differences in the nomenclature of recently uncovered molecular groups across different studies, the biological similarities between these groups enables us to likely reconciliate these groups into four consensus molecular groups: two benign groups largely dichotomized by NF2-status, and two clinically aggressive groups defined by their hypermetabolic transcriptome, and by their preponderance of proliferative, cell-cycling pathways respectively. CONCLUSION: Future work, including by our group and others are underway to validate these molecular groups and harmonize the nomenclature for routine clinical use.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».