P.142 Development and validation of a molecular classifier of meningiomas
Notice bibliographique
Résumé
Background: Meningiomas exhibit considerable heterogeneity. We previously identified four distinct molecular groups (immunogenic, NF2-wildtype, hypermetabolic, proliferative) which address much of this heterogeneity. Despite their utility, the stochasticity of clustering methods and the requirement of multi-omics data limits the potential for classifying cases in the clinical setting. Methods: Using an international cohort of 1698 meningiomas, we constructed and validated a machine learning-based molecular classifier using DNA methylation alone. Original and newly-predicted molecular groups were compared using DNA methylation, RNA sequencing, whole exome sequencing, and clinical outcomes. Results: Group-specific outcomes in the validation cohort were nearly identical to those originally described, with median PFS of 7.4 (4.9-Inf) years in hypermetabolic tumors and 2.5 (2.3-5.3) years in proliferative tumors (not reached in the other groups). Predicted NF2-wildtype cases had no NF2 mutations, and 51.4% had others mutations previously described in this group. RNA pathway analysis revealed upregulation of immune-related pathways in the immunogenic group, metabolic pathways in the hypermetabolic group and cell-cycle programs in the proliferative group. Bulk deconvolution similarly revealed enrichment of macrophages in immunogenic tumours and neoplastic cells in hypermetabolic/proliferative tumours. Conclusions: Our DNA methylation-based classifier faithfully recapitulates the biology and outcomes of the original molecular groups allowing for their widespread clinical implementation.
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 | 0,004 | 0,010 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».