Modelling of immune infiltration in prostate cancer treated with HDR-brachytherapy using Raman spectroscopy and machine learning
Notice bibliographique
Résumé
Prostate cancer is characterized by an immunosuppressive tumour environment. This work combines Raman spectroscopy with group-and-bases-restricted non-negative matrix factorization (GBR-NMF) and machine learning to assemble models of immune cell densities within the needle-core biopsies of patients undergoing high-dose-rate brachytherapy (HDR-BT). Raman spectral acquisition, as well as immunohistochemistry staining of CD68[Formula: see text], CD3[Formula: see text], and [Formula: see text] cells, was completed for biopsies collected before and 2 weeks following the first fraction of HDR-BT. Regression techniques, constructed using GBR-NMF scores, that produced the most accurate predictions of immune cell density by metrics of root mean-squared error (RMSE) and R[Formula: see text] were the gradient-boosted trees model of [Formula: see text] density (RMSE: 163 counts[Formula: see text], [Formula: see text]: 0.65) and the elastic net model of [Formula: see text]/ [Formula: see text] (RMSE: 0.25, [Formula: see text]: 0.82). The accuracy of these models, herein defined as the fraction of patient predictions within [Formula: see text] standard deviation of their measured values was 11/16 and 12/16, for CD68[Formula: see text] CD3[Formula: see text] and CD68[Formula: see text]/ CD8[Formula: see text] models, respectively. To further delineate which metabolites were most important in the CD68[Formula: see text]/ CD8[Formula: see text] model, this ratio was further predicted in stromal and epithelial tissues within the biopsies, and resulting models utilized the GBR-NMF scores of glutathione, collagen, palmitic acid, and the pre- or post-HDR-BT label to produce an optimal performance level according to RMSE and R[Formula: see text]. In summary, this study illustrates a novel methodology in which supervised machine learning techniques are used to model immune cells, which are prognostic indicators of disease progression.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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 ».