Stratification transcriptomique de la neurotransmission du gliome humain adulte
Bibliographic record
Abstract
Le gliome est le cancer cérébral le plus fréquent chez l’humain adulte et représente environ \n80% de toutes les tumeurs agressives retrouvées dans le cerveau humain. L'hétérogénéité \nretrouvée au sein du gliome, sa capacité à s’infiltrer dans les tissus sains et la non-existence \nde thérapies efficaces expliquent la forte mortalité et morbidité retrouvées chez les patients. \nAinsi, les méthodes de classification des gliomes sont un atout crucial pour une meilleure \nprise en charge personnalisée du patient. \nLes gliomes sont traditionnellement classés sur la base de leur ressemblance histologique aux \ncellules gliales et des critères histo-pathologiques. Cette classification est aujourd’hui \nassociée au profilage d’altérations moléculaires spécifiques dans des diagnostics intégrés plus \nrobustes. Pour améliorer la compréhension autour de la complexité du gliome, il est donc \nnécessaire d’identifier de nouveaux biomarqueurs utiles qui pourront potentiellement \nimpacter sur le diagnostic et le traitement du gliome. \nBasé sur des analyses bio-informatiques intégrant des données multi-omiques, nous avons \ndécouvert et affirmé l’importance de nouveaux mécanismes biologiques liés au \ndéveloppement du gliome et de sa malignité. Les analyses transcriptomiques des gliomes de \ntype isocitrate déshydrogénases 1 sauvage ont permis l’identification d’une nouvelle \nsous-stratification de gliomes atypiques : un groupe de gliomes ayant un meilleur pronostic \npar rapport à leurs homologues, potentiellement impacté par la dérégulation significative de \nmarqueurs de la neurotransmission et de l’immunité. Une deuxième caractérisation du \ntranscriptome du gliome, cette fois-ci sous l’angle de la neurotransmission, a identifié une \ncorrélation négative significative entre la malignité du gliome et la sur-expression des gènes \nliés à cette neurotransmission. Ce dernier serait potentiellement un nouveau champ de \nrecherche pour une meilleure classification du gliome pour de nouvelles thérapies innovantes \net efficaces.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".