Comprehensive gene sequencing to identify progression predictors to muscle-invasive bladder cancer.
Notice bibliographique
Résumé
570 Background: Over 8900 Canadians are diagnosed with bladder cancer every year, ranking it the fifth most frequent cancer. It can manifest as either non-muscle invasive bladder cancer (NMIBC) or muscle invasive bladder cancer (MIBC). The majority of patients initially receive a diagnosis of NMIBC, although high-grade NMIBC has a 50–70% recurrence rate and 10–30% chance at progressing to MIBC. The transition from high-grade NMIBC to MIBC is poorly understood, and there are currently no accurate biomarkers that predict disease progression. We propose a comprehensive molecular characterization to pinpoint specific copy number alterations (CNAs) related to either MIBC or NMIBC, and hence define the molecular development. Methods: This study analyzed a public dataset from MSKCC and 30 bladder cancer patient samples from Windsor Regional Hospital, both containing NMIBC and MIBC samples. Comprehensive gene sequencing was performed, and CNAs were obtained in over 500 common tumour gene panels. Results: Preliminary data from this study found MIBC may be predicted with 91% accuracy and 95% precision using CNA values of TP53, DDR2 and MLL2. In particular, MIBC correlates with gain of DDR2 or MLL2. Importantly, it has been demonstrated that high expression of DDR2 is associated with a worse prognosis. A panel of bladder carcinoma cell lines were used to validate the DDR2 findings. DDR2 values were quantified across the panels and corresponded with proliferation and invasiveness of cell lines. DDR2 was examined as a possible therapeutic target. Conclusions: Taken together, these findings provide insight to the pathogenesis of muscle invasion in bladder cancer. The potential to identify "genomic triggers" for the transition was facilitated by creating a genetic profile at these two stages.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».