A 107 Gene Nanostring Assay Effectively Translates the Cancer Genome Atlas, and Tumour Microenvironment Gastric Cancer Molecular Classification to a Patient‐Derived Organoid Model
Notice bibliographique
Résumé
There is a need to improve the translation of gastric cancer molecular classification schemes, such as those proposed by the Cancer Genome Atlas (TCGA) and Tumour Microenvironment score (TME), to clinical specimens and three-dimensional organoid culture models. In this study, we validate a 107-gene Nanostring assay informed by previously established machine learning models using a prospective cohort of gastric adenocarcinoma tumours and tumour-organoid pairs. Thirty-eight gastric adenocarcinoma specimens and twelve parent tumour-tumour organoid pairs were assigned TCGA and TME subtypes using gene expression measured by our custom Nanostring gene set. Subtypes were validated using gold-standard tests for Epstein-Barr virus (EBV) and microsatellite instability (MSI). Molecular subtype scores were compared to known clinicopathologic characteristics. The correlation between dose-response and molecular subtypes using an organoid drug assay and the Cancer Cell Line Encyclopedia (CCLE) was investigated. TCGA and TME subtypes were successfully applied to all specimens. The relationship of molecular subtype scores in our population compared to public cohorts was statistically identical for Lauren Class and Signet Ring status. Our method achieved 100% accuracy in labeling EBV and MSI subtypes. We identified 81.8% and 63.6% concordance between parent tumour-tumour organoid pairs for TME and TCGA subtypes, respectively. No significant correlation was identified between dose response to chemotherapy and molecular subtype scores. Analysis of the CCLE identified promising personalized therapy candidates for each molecular subtype. Our 107-gene Nanostring test successfully assigns TCGA and TME molecular subtypes to clinical tumour and tumour organoid samples for use in future study.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».