Differentially Methylated Loci Distinguish Ovarian Carcinoma Histological Types: Evaluation of a DNA Methylation Assay in FFPE Tissue
Notice bibliographique
Résumé
Epigenomic markers can identify tumor subtypes, but few platforms can accommodate formalin-fixed paraffin-embedded (FFPE) tumor tissue. We tested different amounts of bisulfite-converted (bs) DNA from six FFPE ovarian carcinomas (OC) of serous, endometrioid, and clear cell histologies and two HapMap constitutional genomes to evaluate the performance of the GoldenGate methylation assay. Methylation status at each 1,505 CpG site was expressed as β-values. Comparing 400 ng versus 250 ng bsDNA, reproducibility of the assay ranged from Spearman r(2) = 0.41 to 0.90, indicating that β-values obtained with a lower DNA amount did not always correlate well with the higher amount. Average methylation for the six samples was higher using 250 ng (β-value = 0.45, SD = 0.29) than with 400 ng (β-value = 0.36, SD = 0.32). Reproducibility between duplicate HapMap samples (r(2) = 0.76 to 0.92) was also variable. Using 400 ng input bsDNA, THBS2 and ERG were differentially methylated across all histologic types and between endometrioid and clear cell types at <0.1% false discovery rate. Methylation did not always correlate with gene expression (r(2) = -0.70 to 0.15). We found that lower bsDNA overestimates methylation, and, using higher bsDNA amounts, we confirmed a previous report of higher methylation of THBS2 in clear cell OC, which could provide new insight into biological pathways that distinguish OC histological types.
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 | 0,003 | 0,003 |
| 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) | 0,001 | 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 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 ».