MOLECULAR PROFILING TO UNDERSTAND TREATMENT RESISTANCE AND RESPONSE IN GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract Patients with glioblastoma experience a wide variation in response to standard treatment, with nearly 30% experiencing tumour progression during treatment, and nearly 7% surviving more than 5 years. CEST-MRI is sensitive to treatment-induced changes in tumour metabolism and can be used to evaluate treatment response, allowing for the differentiation between early and late progressors before treatment initiation. OBJECTIVE: The purpose of this study is to establish genomic and transcriptomic profiles of early and late progressors in patients with glioblastoma who have undergone CEST-MRI. METHODS: Patients (n=25) were imaged with CEST-MRI at multiple time points throughout standard chemoradiation treatment. DNA and RNA were co-extracted from 25 fresh-frozen matched normal and tumour pairs and processed for whole genome sequencing and gene expression analysis using Nanostring. RESULTS: Early progressors (n = 12) and late progressors (n =13) had significant differences in OS and PFS (log rank <0.0001) as well as in gene expression and pathway deregulation. Genes significantly expressed in early progressors compared to late progressors include CCNA1 (p =0.000557), IGFBP3 (p = 0.000602), ASS1 (p = 0.000698), and ID1 (p= 0.000993), which were also prognostic of PFS and OS in a Cox regression model. CONCLUSION: Upon validation in a larger cohort, this data may serve as a radiogenomic biomarker to assess treatment response within early phases of treatment and adapt the treatment plan to individual biology.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».