Oronasal mucosal melanoma is defined by two transcriptional subtypes in humans and dogs with implications for diagnosis and therapy
Notice bibliographique
Résumé
Abstract Mucosal melanoma is a rare melanoma subtype associated with a poor prognosis and limited existing therapeutic interventions, in part due to a lack of actionable targets and translational animal models for pre-clinical trials. Comprehensive data on this tumour type is scarce, and existing data often overlooks the importance of the anatomical site of origin. We evaluated human and canine oronasal mucosal melanoma to determine whether the common canine disease could inform the rare human equivalent. Using a human and canine primary oronasal mucosal melanoma (OMM) cohort of treatment naive archival tissue, alongside clinicopathological data, we obtained transcriptomic immunohistochemical, and microbiome data from both species. We defined the transcriptomic landscape in both species, and linked our findings to immunohistochemical, microbiome and clinical data. Human and dog OMM stratified into two distinctive transcriptional groups which we defined using a species-independent 41-gene signature. These two subgroups are termed CTLA4-high and cMET-high, and indicate actionable targets for OMM patients. To guide clinical decision-making, we developed immunohistochemical diagnostic tools which distinguish between transcriptomic subgroups. For the first time, we find that OMM has conserved transcriptomic subtypes and biological similarity between the canine and human OMM, with significant implications for patient classification, treatment, and clinical trial design.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».