Novel Immunohistochemical Profiling of Small-Cell Lung Cancer: Correlations Between Tumor Subtypes and Immune Microenvironment
Notice bibliographique
Résumé
Background/Objectives: Small-cell lung cancer (SCLC) is a highly aggressive malignancy with an emerging molecular classification based on the expression of the transcription factors ASCL1, NEUROD1, and POU2F3. This study aimed to explore the relationship between these novel subtypes and the tumor immune microenvironment (TIME), particularly CD8+ and CD4+ tumor-infiltrating lymphocytes (TILs). Methods: In 51 cases of patients with SCLC, immunohistochemical (IHC) stains for ASCL1, NEUROD1, POU2F3, CD56, Ki67, CD8, and CD4 were performed. H-scores for the novel transcription factors were calculated to determine tumor subtype. CD8+ and CD4+ TIL counts were averaged across 10 high-power fields. The Kruskal–Wallis test and subsequent post hoc Dunn tests were used to determine the differences in transcription factor expression and TILs across subtypes. Results: In our cohort, 68.62% of our cases were SCLC-A, 9.80% were SCLC-N, 7.84% were SCLC-P, and 13.72% were SCLC-I. Significant differences were observed in the expression of ASCL1, NEUROD1, and POU2F3 across subtypes. CD8+ TILs were more abundant in SCLC-P and SCLC-I. CD8+ TILs were negatively correlated with ASCL1 expression (p < 0.05) and positively correlated with POU2F3 expression (p < 0.005). Conclusions: This study highlights the need to integrate the novel SCLC classification with data regarding the TIME to better inform patient prognosis and treatment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».