Back to Search
Start Over
ACCacia, une approche de machine-learningpour la classification moléculaire des corticosurrénalomes en routine clinique
- Source :
- Annales d'Endocrinologie; October 2024, Vol. 85 Issue: 5 p394-394, 1p
- Publication Year :
- 2024
-
Abstract
- Le pronostic des corticosurrénalomes est hétérogène. La classification transcriptomique sépare les adénomes (cluster « C2 ») des corticosurrénalomes et en identifie deux clusters, « C1A » et « C1B » de pronostic différent. Le RNA-seq3′ permet de déterminer le transcriptome sur tissus fixés et inclus en paraffine, même sur des ARN très dégradés, mais au prix de données manquantes sur 10 à 50 % des transcrits. Notre objectif est de tester un algorithme de réseau de neurones pour prédire la classe moléculaire en routine.
Details
- Language :
- English
- ISSN :
- 00034266
- Volume :
- 85
- Issue :
- 5
- Database :
- Supplemental Index
- Journal :
- Annales d'Endocrinologie
- Publication Type :
- Periodical
- Accession number :
- ejs67552857
- Full Text :
- https://doi.org/10.1016/j.ando.2024.08.126