Notice bibliographique
Résumé
Gliomas are among the most malignant tumors, with a very poor prognosis. Early diagnosis is highly desirable since it can help implement more effective treatments for smaller tumors, which have not yet extensively metastasized. Improving early diagnosis may facilitate access of patients to clinical trials and prepare them for the future availability of new disease-modifying treatments. Methods: We analyzed retrospective samples collected at diagnosis (before therapy initiation), with PEA (Olink Proteomics), quantifying about 3,000 proteins. We utilized 30 plasmas from gliomas (20 glioblastomas, 5 anaplastic astrocytomas, 5 anaplastic oligodendrogliomas) and 20 meningiomas (as controls). We then analyzed the data to identify proteins that either alone, or in combination, could discriminate gliomas from meningiomas, or correlate with clinical and molecular alterations. Next is to validate these results. We sent the second set of data (319 samples), which were used as a validation to MSD, where they performed an ELISA for 17 proteins, which had been of interest to us from the earlier experiment. Results: We identified 8 plasma proteins that were increased in gliomas vs. meningiomas (GFAP, NEFL, EDDM3B, PROK1, MMP3, CTRL, GP2, SPINT3) and 4 proteins that were decreased in gliomas vs. meningiomas (FABP4, ALDH3A1, IL-12B, and OXT). Partition algorithms and logistic iii regression algorithms with two biomarkers (GFAP and FABP4) achieved sensitivity of 83% and 93% at 100% and 90% specificity, respectively. The strongest single marker was GFAP with an area under the ROC curve (AUC) of 0.86. The AUC for the GFAP-FABP4 combination was 0.98. Conclusion: GFAP, NFL, and MMP3 seem to discriminate glioblastoma from meningioma. These biomarkers may be useful to monitor the disease progression of glioblastoma and treat earlier, when thetumors are smaller, more sensitive, and have not yet spread far.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».