Molecular Classification of Endometrial Cancers Using an Integrative DNA Sequencing Panel
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Adoption of molecular classification in endometrial cancer (EC) into clinical practice remains challenging due to complexity in coordination of multiple assays. We aimed to develop a simple molecular technique to classify ECs into four subgroups using our custom-designed targeted sequencing panel. METHODS: Patients with newly diagnosed ECs were prospectively recruited from three cancer centres in Ontario, Canada. Using our panel, 181 ECs were sequenced. Variants were analysed for pathogenicity and clinicopathologic information was collected through medical records retrospectively. RESULTS: Of 181, 86 (48%) were mismatch repair deficient (MMRd), of which 62 (72%) harboured MLH1 promoter methylation and 24 (28%) had pathogenic variants in MMR genes. Of single classifiers, three (1.8%) had pathogenic POLE (POLEmut), 15 (9%) had TP53 mutations (p53abn) and 61 (37%) had no specific molecular profile subtype (NSMP). Sixteen (9%) had more than one molecular classifying feature, with eight (4%) MMRd-p53abn, six (3%) POLEmut-MMRd, one (0.5%) POLEmut-MMRd-p53abn and one (0.5%) POLEmut-p53abn. When MMRd group was further subclassified according to mechanism of MMR loss, MLH1 promoter methylated group had worse outcomes than those with somatic MMR pathogenic variants. CONCLUSIONS: Our panel can classify ECs into four subgroups through a simplified process and can be implemented reflexively in clinical practice.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».