Rapid, economical diagnostic classification of ATRT molecular subgroup using NanoString nCounter platform
Notice bibliographique
Résumé
Background: Despite genomic simplicity, recent studies have reported at least 3 major atypical teratoid rhabdoid tumor (ATRT) subgroups with distinct molecular and clinical features. Reliable ATRT subgrouping in clinical settings remains challenging due to a lack of suitable biological markers, sample rarity, and the relatively high cost of conventional subgrouping methods. This study aimed to develop a reliable ATRT molecular stratification method to implement in clinical settings. Methods: We have developed an ATRT subgroup predictor assay using a custom genes panel for the NanoString nCounter System and a flexible machine learning classifier package. Seventy-one ATRT primary tumors with matching gene expression array and NanoString data were used to construct a multi-algorithms ensemble classifier. Additional validation was performed using an independent gene expression array against the independently generated dataset. We also analyzed 11 extra-cranial rhabdoid tumors with our classifier and compared our approach against DNA methylation classification to evaluate the result consistency with existing methods. Results: We have demonstrated that our novel ensemble classifier has an overall average of 93.6% accuracy in the validation dataset, and a striking 98.9% accuracy was achieved with the high-prediction score samples. Using our classifier, all analyzed extra-cranial rhabdoid tumors are classified as MYC subgroups. Compared with the DNA methylation classification, the results show high agreement, with 84.5% concordance and up to 95.8% concordance for high-confidence predictions. Conclusions: Here we present a rapid, cost-effective, and accurate ATRT subgrouping assay applicable for 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».