Published September 29, 2023
| Version v1
Publication
Open
A large-scale targeted proteomics of serum and tissue shows the utility of classifying high grade and low grade meningioma tumors
Creators
- 1. Indian Institute of Technology Bombay
- 2. Motilal Nehru National Institute of Technology
- 3. Indian Institute of Technology Guwahati
- 4. Institute of Genomics and Integrative Biology
- 5. Institute for Systems Biology
- 6. Tata Memorial Hospital
- 7. Anglia Ruskin University
- 8. University of California, San Francisco
Description
Meningiomas are the most prevalent primary brain tumors. Due to their increasing burden on healthcare, meningiomas have become a pivot of translational research globally. Despite many studies in the field of discovery proteomics, the identification of grade-specific markers for meningioma is still a paradox and requires thorough investigation. The potential of the reported markers in different studies needs further verification in large and independent sample cohorts to identify the best set of markers with a better clinical perspective.A total of 53 fresh frozen tumor tissue and 51 serum samples were acquired from meningioma patients respectively along with healthy controls, to validate the prospect of reported differentially expressed proteins and claimed markers of Meningioma mined from numerous manuscripts and knowledgebases. A small subset of Glioma/Glioblastoma samples were also included to investigate inter-tumor segregation. Furthermore, a simple Machine Learning (ML) based analysis was performed to evaluate the classification accuracy of the list of proteins.A list of 15 proteins from tissue and 12 proteins from serum were found to be the best segregator using a feature selection-based machine learning strategy with an accuracy of around 80% in predicting low grade (WHO grade I) and high grade (WHO grade II and WHO grade III) meningiomas. In addition, the discriminant analysis could also unveil the complexity of meningioma grading from a segregation pattern, which leads to the understanding of transition phases between the grades.The identified list of validated markers could play an instrumental role in the classification of meningioma as well as provide novel clinical perspectives in regard to prognosis and therapeutic targets.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الأورام السحائية هي أورام الدماغ الأولية الأكثر انتشارًا. نظرًا لعبئها المتزايد على الرعاية الصحية، أصبحت الأورام السحائية محورًا للبحث الانتقالي على مستوى العالم. على الرغم من العديد من الدراسات في مجال بروتيوميات الاكتشاف، فإن تحديد العلامات الخاصة بالصف للورم السحائي لا يزال مفارقة ويتطلب تحقيقًا شاملاً. تحتاج إمكانات العلامات المبلغ عنها في دراسات مختلفة إلى مزيد من التحقق في مجموعات عينات كبيرة ومستقلة لتحديد أفضل مجموعة من العلامات بمنظور سريري أفضل. تم الحصول على ما مجموعه 53 نسيج ورم مجمد حديث و 51 عينة مصل من مرضى الورم السحائي على التوالي إلى جانب ضوابط صحية، للتحقق من صحة احتمال البروتينات التي تم التعبير عنها بشكل تفاضلي والعلامات المزعومة للورم السحائي المستخرجة من العديد من المخطوطات وقواعد المعرفة. كما تم تضمين مجموعة فرعية صغيرة من عينات الورم الدبقي/الورم الأرومي الدبقي للتحقيق في الفصل بين الأورام. علاوة على ذلك، تم إجراء تحليل بسيط قائم على التعلم الآلي لتقييم دقة تصنيف قائمة البروتينات. تم العثور على قائمة تضم 15 بروتينًا من الأنسجة و 12 بروتينًا من المصل لتكون أفضل فاصل باستخدام استراتيجية التعلم الآلي القائمة على اختيار الميزات بدقة تبلغ حوالي 80 ٪ في التنبؤ بالأورام السحائية منخفضة الدرجة (الدرجة الأولى لمنظمة الصحة العالمية) والأورام السحائية عالية الدرجة (الدرجة الثانية لمنظمة الصحة العالمية والدرجة الثالثة لمنظمة الصحة العالمية). بالإضافة إلى ذلك، يمكن أن يكشف التحليل التمييزي أيضًا عن تعقيد تصنيف الورم السحائي من نمط الفصل، مما يؤدي إلى فهم المراحل الانتقالية بين الدرجات. يمكن أن تلعب قائمة العلامات التي تم التحقق من صحتها دورًا أساسيًا في تصنيف الورم السحائي بالإضافة إلى توفير وجهات نظر سريرية جديدة فيما يتعلق بالتشخيص والأهداف العلاجية.Translated Description (French)
Les méningiomes sont les tumeurs cérébrales primaires les plus répandues. En raison de leur fardeau croissant sur les soins de santé, les méningiomes sont devenus un pivot de la recherche translationnelle à l'échelle mondiale. Malgré de nombreuses études dans le domaine de la protéomique de la découverte, l'identification de marqueurs spécifiques au grade pour le méningiome reste un paradoxe et nécessite une investigation approfondie. Le potentiel des marqueurs rapportés dans différentes études doit être vérifié davantage dans des cohortes d'échantillons larges et indépendantes pour identifier le meilleur ensemble de marqueurs avec une meilleure perspective clinique. Un total de 53 échantillons de tissu tumoral congelé frais et de 51 échantillons de sérum ont été acquis auprès de patients atteints de méningiome respectivement avec des témoins sains, pour valider la perspective de protéines exprimées différemment et de marqueurs déclarés de méningiome extraits de nombreux manuscrits et bases de connaissances. Un petit sous-ensemble d'échantillons de gliome/glioblastome a également été inclus pour étudier la ségrégation inter-tumorale. En outre, une analyse simple basée sur l'apprentissage automatique (ML) a été réalisée pour évaluer la précision de la classification de la liste des protéines. Une liste de 15 protéines de tissu et de 12 protéines de sérum s'est avérée être le meilleur ségrégeur en utilisant une stratégie d'apprentissage automatique basée sur la sélection des caractéristiques avec une précision d'environ 80 % dans la prédiction des méningiomes de bas grade (OMS de grade I) et de haut grade (OMS de grade II et OMS de grade III). De plus, l'analyse discriminante pourrait également dévoiler la complexité du classement du méningiome à partir d'un schéma de ségrégation, ce qui conduit à la compréhension des phases de transition entre les grades. La liste identifiée des marqueurs validés pourrait jouer un rôle déterminant dans la classification du méningiome ainsi que fournir de nouvelles perspectives cliniques en ce qui concerne le pronostic et les cibles thérapeutiques.Translated Description (Spanish)
Los meningiomas son los tumores cerebrales primarios más prevalentes. Debido a su creciente carga para la atención médica, los meningiomas se han convertido en un eje de la investigación traslacional a nivel mundial. A pesar de muchos estudios en el campo de la proteómica de descubrimiento, la identificación de marcadores específicos de grado para el meningioma sigue siendo una paradoja y requiere una investigación exhaustiva. El potencial de los marcadores informados en diferentes estudios necesita una verificación adicional en cohortes de muestras grandes e independientes para identificar el mejor conjunto de marcadores con una mejor perspectiva clínica. Se adquirieron un total de 53 muestras de tejido tumoral fresco congelado y 51 muestras de suero de pacientes con meningioma, respectivamente, junto con controles sanos, para validar la perspectiva de proteínas expresadas diferencialmente informadas y marcadores reclamados de meningioma extraídos de numerosos manuscritos y bases de conocimiento. También se incluyó un pequeño subconjunto de muestras de glioma/glioblastoma para investigar la segregación intertumoral. Además, se realizó un análisis simple basado en el aprendizaje automático (ML) para evaluar la precisión de la clasificación de la lista de proteínas. Se encontró que una lista de 15 proteínas de tejido y 12 proteínas de suero era el mejor segregador utilizando una estrategia de aprendizaje automático basada en la selección de características con una precisión de alrededor del 80% en la predicción de meningiomas de bajo grado (grado I de la OMS) y de alto grado (grado II de la OMS y grado III de la OMS). Además, el análisis discriminante también podría revelar la complejidad de la clasificación del meningioma a partir de un patrón de segregación, lo que conduce a la comprensión de las fases de transición entre los grados. La lista identificada de marcadores validados podría desempeñar un papel fundamental en la clasificación del meningioma, así como proporcionar nuevas perspectivas clínicas con respecto al pronóstico y las dianas terapéuticas.Files
s12014-023-09426-9.pdf
Files
(2.9 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:f7fff3ac23e13297147f2447a1718d0f
|
2.9 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تُظهر بروتيوميات مستهدفة واسعة النطاق من المصل والأنسجة فائدة تصنيف أورام الورم السحائي عالية الدرجة ومنخفضة الدرجة
- Translated title (French)
- Une protéomique ciblée à grande échelle du sérum et des tissus montre l'utilité de la classification des tumeurs de méningiome de haut grade et de bas grade
- Translated title (Spanish)
- Una proteómica dirigida a gran escala de suero y tejido muestra la utilidad de clasificar los tumores de meningioma de alto y bajo grado
Identifiers
- Other
- https://openalex.org/W4387157865
- DOI
- 10.1186/s12014-023-09426-9
References
- https://openalex.org/W1991582228
- https://openalex.org/W1996344455
- https://openalex.org/W2024790065
- https://openalex.org/W2056782424
- https://openalex.org/W2063604366
- https://openalex.org/W2084504153
- https://openalex.org/W2141091417
- https://openalex.org/W2149632142
- https://openalex.org/W2151703312
- https://openalex.org/W2155320075
- https://openalex.org/W2159482845
- https://openalex.org/W2253521156
- https://openalex.org/W2403271797
- https://openalex.org/W2462053388
- https://openalex.org/W2514343617
- https://openalex.org/W2533894695
- https://openalex.org/W2537679995
- https://openalex.org/W2560310361
- https://openalex.org/W2564372395
- https://openalex.org/W2598133926
- https://openalex.org/W2605468299
- https://openalex.org/W2606791048
- https://openalex.org/W2738829847
- https://openalex.org/W2744684750
- https://openalex.org/W2760836924
- https://openalex.org/W2762853387
- https://openalex.org/W2776709995
- https://openalex.org/W2794506658
- https://openalex.org/W2798485179
- https://openalex.org/W2804363854
- https://openalex.org/W2887216340
- https://openalex.org/W2906028745
- https://openalex.org/W2928665623
- https://openalex.org/W2944107502
- https://openalex.org/W2944138252
- https://openalex.org/W2971307936
- https://openalex.org/W2980252037
- https://openalex.org/W2981476918
- https://openalex.org/W3003566675
- https://openalex.org/W3015635259
- https://openalex.org/W3022193398
- https://openalex.org/W3034847551
- https://openalex.org/W3036361557
- https://openalex.org/W3038801648
- https://openalex.org/W3045306957
- https://openalex.org/W3094217983
- https://openalex.org/W3125092523
- https://openalex.org/W3157289528
- https://openalex.org/W3157779513
- https://openalex.org/W3163642981
- https://openalex.org/W3174246647
- https://openalex.org/W3174943263
- https://openalex.org/W3183288459
- https://openalex.org/W3193297947
- https://openalex.org/W3194150176
- https://openalex.org/W3196664489
- https://openalex.org/W324135019
- https://openalex.org/W4225275447
- https://openalex.org/W4283743554
- https://openalex.org/W4292857437
- https://openalex.org/W4293457260
- https://openalex.org/W4294216483
- https://openalex.org/W4309933488
- https://openalex.org/W4313514449