Multi-cohort gene expression model enhances prognostic stratification in diffuse large B-cell lymphoma
Notice bibliographique
Résumé
Multi-cohort gene expression model enhances prognostic stratification in diffuse large B-cell lymphomaDear Editor, Diffuse large B-cell lymphoma (DLBCL), the most common type of lymphoma, in most cases is marked by significant heterogeneity and aggressive clinical behavior.While standard chemotherapy often achieves initial responses, these are short-lived, and resistance and relapse are frequent challenges. 1 Traditionally, risk stratification has relied on clinical tools, including the International Prognostic Index (IPI) and its variation.2 However, molecular stratification is promising to predict outcomes with greater accuracy, though gene-based approaches are still preliminary.3 Progress in this field is hindered by limited sample sizes and the substantial intra-and inter-regional variability of DLBCL.4,5 Consequently, large-scale studies are essential to refine risk stratification and optimize patient outcomes.This study aimed to establish a prognostic gene expression signature for patients with DLBCL based on tumor transcriptome patterns.To achieve this, we analyzed transcriptome and survival data from 11 diverse cohorts worldwide.Given the variability in RNA sequencing or microarray platforms across the 11 datasets, we focused on the genes common to all datasets, resulting in a panel of 11,425 genes.Detailed information regarding the datasets can be found in Supplementary Table 1.Due to platform-specific differences in scale, the gene expression values were transformed into z-scores.Datasets with fewer than 100 patients were combined into a cohort referred to as the Merged Cohort.In total, six cohorts were used in this study: the National Cancer Institute Cohort (GSE10846), University of York Cohort (GSE181063), University of York II Cohort (GSE32918), Univer-sit€ atsmedizin Berlin Cohort (GSE4475), University of Leeds Cohort (GSE69053), and the Merged Cohort (GSE69053, E_TABM_346, GSE11318, GSE21846, GSE23501, GSE57611, and TCGA-DLBC).For each cohort, a univariate Cox regression was performed employing all genes in the panel, identifying those with a p-value <0.05 as prognostic.Genes were defined as core prognostic genes (CPGs) if they consistently predicted either favorable prognosis in at least 5 out of 6 cohorts or unfavorable prognosis in at least 5 out of 6 cohorts, with no conflicting outcomes.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».