MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388589521 · doi:10.1093/neuonc/noad179.0127

CNSC-44. BIOLOGICAL PATTERN DISCOVERY IN GLIOBLASTOMA

2023· article· en· W4388589521 sur OpenAlexaff
Shamini Ayyadhury, Patty Sachamitr, Michelle Kushida, Nicole Park, Fiona J. Coutinho, Owen Whitley, Panagiotis Prinos, C.H. Arrowsmith, Peter B. Dirks, Trevor J. Pugh, Gary D. Bader

Notice bibliographique

RevueNeuro-Oncology · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensPrincess Margaret Cancer CentreStructural Genomics ConsortiumOntario Brain InstituteSickKids FoundationCentre for Global Health ResearchUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésGlioblastomaPhenotypePixelComputational biologyBiologyComputer scienceGenePattern recognition (psychology)NeuroscienceArtificial intelligenceGeneticsCancer research

Résumé

récupéré en direct d'OpenAlex

Abstract Glioblastoma(GBM - IDH wildtype) is an adult glioma, showing abysmal prognosis. Sequencing technologies show us the existence of a neurodevelopmental frame-work, upon which heterogeneous molecular patterns are overlaid. The tumor's functional capacity is the net result of extrinsic+intrinsic molecular factors interacting with each other. These factors affect how cells communicate and organize themselves into complex functional architectures that support their evolution, survival and resistance. Understanding the phenotypic significance of a tumor's architecture, will allow us to understand these processes and compute complex patterns in GBM that are "biologically-relevant". First, we showed, as a proof-of-concept, that "biologically-relevant" signatures are imprinted within the spatial organization of cells using spatial pixel analysis. We used a phase-contrast image dataset of glioblastoma stem cells grown in culture, imaged 4-12hrly, over 12-16 days. We applied 29 hand-engineered pixel features per image, deriving spatial pixel signatures for each of our 17’601 phase-contrast images. Using different computational analytical methods and gene expression from matched bulk RNA datasets, we showed that spatial pixel patterning follows biologically relevant phenotypes. We found samples of images with high PC2 scores had higher mesenchymal/microglia scores, as compared to samples of images with low PC2 scores, which showed higher neurodevelopmental signatures. In addition, we found that mathematical algorithms describing entropy, homogeneity, contrast and complexity were clearly enriched in specific biological groups. Hence, our study showed that the organizational/architectural patterns of biological entities show preservation of fundamental organizational principles. Building upon the above data (which is currently a manuscript under preparation), we will apply these principles towards pattern discovery of GBM tissues at multiple architectural hierarchies (i.e subcellular, cellular, stroma) using different GBM models, imaging and spatial transcriptomics. If structure equates to function, understanding GBM architecture will have important applications in surgical tool developments and understanding relevant mechanistic patterns in GBM.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,015
Tête enseignante GPT0,296
Écart entre enseignants0,281 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetCell Image Analysis Techniques→Travaux en français237 207→