Classification and Prognostication of B‐Cell and T‐Cell Multicentric Lymphoma in Dogs Using Serum <scp>MicroRNAs</scp>
Notice bibliographique
Résumé
Canine multicentric lymphoma is a common malignancy in dogs. It often responds well to initial chemotherapy but frequently relapses and has a poor response to subsequent treatment. B-cell (BCL) and T-cell (TCL) lymphomas differ in both their prognoses and chemotherapeutic treatment protocols. Currently, immunophenotyping can be costly and can only be performed on specific high-quality samples. MicroRNAs (miRNAs) are small molecules present in blood and tissues and are dysregulated in both human and canine lymphoma. We investigated 59 miRNAs by RT-qPCR to establish a serum miRNA profile in dogs with B-cell and T-cell multicentric lymphoma. Multiple miRNA pruned decision tree models were used to classify BCL and TCL cases from each other and controls, and to predict prognosis in BCL cases receiving standard CHOP chemotherapy. Six individual miRNAs were differentially expressed in serum between BCL and controls, and three were differentially expressed between BCL and TCL. A three-miRNA model (miR-155-5p, miR-1 and miR-181b) could differentiate between BCL, TCL and control samples with an accuracy of 83.02%. A three-miRNA model (miR-125b-5p, miR-350 and let-7b-5p) in BCL samples separated the cases into four groups with hazard ratios ranging from 0.44 to 3.5 for overall survival. This study established a serum miRNA profile for both BCL and TCL and demonstrated the utility of multiple serum miRNA models to assist in the diagnosis of lymphoma and BCL prognostication.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».