Proteomic analysis uncovers biological diversity in molecularly defined endometrial carcinomas
Notice bibliographique
Résumé
While endometrial cancer has an overall favorable prognosis, some patients have poor outcomes and may benefit from further refinements of the current classification systems. Molecular classification stratifies endometrial cancer patients into four prognostic subtypes: POLEmut, MMRd (mismatch repair deficient), p53abn, and NSMP (no specific molecular profile), where patients with POLEmut have the best prognosis and p53abn has the worst prognosis. We used proteomic profiling to assess if additional prognostic or predictive information could be identified across or within molecular subtypes. Global proteome profiling of formalin fixed, paraffin embedded samples, that had clinicopathologic and outcome data, was performed on 184 endometrial cancers encompassing all four molecular subtypes, including replicate samples of the same tumor, and both biopsy and final hysterectomy specimens. To ensure representation of each subtype, we profiled an approximately equal distribution in the 148 unique tumors; 34 (23%) POLEmut, 40 (27%) MMRd, 35 (24%) p53abn and 39 (26%) NSMP, rather than the population-based distributions. There was high reproducibility in the proteomic profiles of intra-tumor replicate samples, and between matched biopsy and hysterectomy tumor samples. Consensus clustering identified four clusters with different prognosis, named 'Adhesion', 'Immune', 'Proliferation', and 'Metabolic' based on the functional characteristics of the enriched proteins. We associated protein expression features with common mutations, molecular subtype, and outcomes. These results demonstrate the biologic diversity within endometrial cancers, both between and within molecular subtypes, and provide candidate features for functional and clinical investigation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».