Current and Emerging Biomarkers: Impact on Risk Stratification for Neuroblastoma
Notice bibliographique
Résumé
Neuroblastoma has heterogenous clinical presentations that are reflected by several well-defined clinical factors and biomarkers. Combinations of these clinical and biologic prognostic factors have been used for decades to generate classifiers to stratify patients into risk groups (low, intermediate, and high), which in turn are used to inform and tailor treatment as reported in the new NCCN Clinical Practice Guidelines in Oncology for Neuroblastoma. Risk classification uses clinical features, such as age and tumor stage, along with the most significant prognostic tumor biomarkers, including histologic features (differentiation and mitosis-karyorrhexis index), MYCN amplification status, chromosomal copy number alterations (segmental or numerical), and ploidy (DNA content). Recent next-generation sequencing approaches have identified additional tumor-specific genetic factors that have potential roles as prognostic and predictive biomarkers. These emerging biomarkers include telomerase maintenance mechanisms, such as telomerase reverse transcription (TERT) expression and alternative lengthening of telomeres (ALT) status. Somatic alterations of genes, including mutations in the anaplastic lymphoma kinase gene ALK, detected in >10% of patients with newly diagnosed disease, have both prognostic and predictive roles in determining eligibility for targeted therapies (eg, ALK tyrosine kinase inhibitors). In addition to diagnostic tumor-derived biomarkers, significant effort is being directed toward identification of markers to predict response to chemotherapy and immunotherapies. With the increasing use of GD2-containing immunotherapy regimens, efforts are aimed at identifying host or tumor microenvironment immune correlatives that can serve as predictive biomarkers. Understanding the potential role of liquid biopsies as biomarkers during and following treatment, including sequential circulating tumor DNA or tumor-specific mRNA transcripts, is expected to enhance the ability to predict recurrences and also inform understanding of tumor evolution and therapy resistance. These and other emerging biomarkers will lead to refinement and optimization of future neuroblastoma risk classification systems.
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».