MétaCan
Menu
Retour à la cohorte
Enregistrement W4393236029 · doi:10.1097/hep.0000000000000869

Comprehensive molecular classification predicted microenvironment profiles and therapy response for HCC

2024· article· en· W4393236029 sur OpenAlexaff
Yihong Chen, Xiangying Deng, Yin Li, Ying Han, Yinghui Peng, Wantao Wu, Xinwen Wang, Jiayao Ma, Erya Hu, Xin Zhou, Edward Shen, Shan Zeng, Changjing Cai, Yiming Qin, Hong Shen

Notice bibliographique

RevueHepatology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTumor microenvironmentMedicineComputational biologyCancer researchOncologyInternal medicineBiologyCancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Tumor microenvironment (TME) heterogeneity leads to a discrepancy in survival prognosis and clinical treatment response for patients with HCC. The clinical applications of documented molecular subtypes are constrained by several issues. APPROACH AND RESULTS: We integrated 3 single-cell data sets to describe the TME landscape and identified 6 prognosis-related cell subclusters. Unsupervised clustering of subcluster-specific markers was performed to generate transcriptomic subtypes. The predictive value of these molecular subtypes for prognosis and treatment response was explored in multiple external HCC cohorts and the Xiangya HCC cohort. TME features were estimated using single-cell immune repertoire sequencing, mass cytometry, and multiplex immunofluorescence. The prognosis-related score was constructed based on a machine-learning algorithm. Comprehensive single-cell analysis described TME heterogeneity in HCC. The 5 transcriptomic subtypes possessed different clinical prognoses, stemness characteristics, immune landscapes, and therapeutic responses. Class 1 exhibited an inflamed phenotype with better clinical outcomes, while classes 2 and 4 were characterized by a lack of T-cell infiltration. Classes 5 and 3 indicated an inhibitory tumor immune microenvironment. Analysis of multiple therapeutic cohorts suggested that classes 5 and 3 were sensitive to immune checkpoint blockade and targeted therapy, whereas classes 1 and 2 were more responsive to transcatheter arterial chemoembolization treatment. Class 4 displayed resistance to all conventional HCC therapies. Four potential therapeutic agents and 4 targets were further identified for high prognosis-related score patients with HCC. CONCLUSIONS: Our study generated a clinically valid molecular classification to guide precision medicine in patients with HCC.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,264
Écart entre enseignants0,238 · 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'étudeObservationnel
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

Citations39
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHepatologyMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207