Advancing CNS tumor diagnostics with expanded DNA methylation-based classification
Notice bibliographique
Résumé
Abstract DNA methylation-based classification is integral to contemporary neuro-oncological diagnostics, as highlighted by the current World Health Organization (WHO) classification of central nervous system (CNS) tumors. We introduce the Heidelberg CNS Tumor Methylation Classifier version 12.8 (v12.8), trained using 7,495 methylation profiles, thereby expanding recognized tumor types from 91 classes in the previously published v11 1 to 184 subclasses in v12.8. This expansion was primarily driven by novel tumor types discovered in our large website-derived repository and through global collaborations, further elucidating the heterogeneity of CNS tumors. Utilizing a random forest-based methodology, the classifier was rigorously validated through five-fold nested cross-validation, achieving a 95% subclass-level accuracy and a Brier score of 0.028, indicative of well-calibrated probability estimates. The hierarchical output structure facilitates comprehensive interpretation, allowing clinicians to assess subclass and aggregate class-level probabilities for informed decision-making. Comparative analyses demonstrate that v12.8 surpasses previous versions as well as traditional WHO-based diagnostics across diverse tumor cohorts. These advancements underscore the enhanced precision and practical utility of the updated Heidelberg CNS Tumor Methylation Classifier, reinforcing the pivotal role of DNA methylation profiling in personalized neuro-oncological care.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».