Notice bibliographique
Résumé
Introduction: Genomic and immune analyses in sarcomatoid/rhabdoid renal cell carcinoma (S/R RCC) have been limited to bulk tumor analysis and thus lack cellular resolution and spatial perspective.Herein, we use in situ whole transcriptome profiling (WTP) to define molecular differences between tumor regions with and without S/R features, aiming to identify molecular markers of S/R tumors that could lead to better diagnosis or treatments.Methods: All patients who underwent surgical excision of RCC at the MUHC between 2010 and 2020 were screened by a uropathologist, and histologically defined regions of S/R, ccRCC, papillary, chromophobe RCC, and benign kidney were selected to construct tissue microarrays (TMAs).Whole-exome sequencing (WES) and Compartment-guided spatial WTP were applied for gene and transcriptome analysis.Results: Our cohort included 56 RCC patients and their TMAs, consisting of 403 cores representing patient-matched tumor areas with and without S/R features.For WES, 47 patients were used to identify copy number variations (CNVs) analysis.Four hundred cores of 55 patients were used for WTP and five groups of clustered with 2000 highly variable genes (HVGs) were constructed.The most variable genes of each tumor type were identified by using digital spatial transcriptome profiling.Whole-exome sequencing was used to identify mutational patterns of tumor cells using a list of specific genes of interest.Conclusions: According to current and ongoing results, WES and compartmentguided WTP should be used to generate an unprecedented resolution to the molecular and genomic characteristics of S/R RCC tumors and tumor microenvironment.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,364 | 0,249 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».