Abstract 2375: Rapid unbiased enrichment (negative selection) of circulating non-hematopoietic tumor cells directly from whole blood
Notice bibliographique
Résumé
Abstract There is increasing interest in analyzing circulating non-hematopoietic tumor cells (CTC) in peripheral blood to evaluate disease progression or response to treatment; however, CTC enrichment is required prior to most analytic procedures. The ideal enrichment method would be rapid, permit a high recovery of viable CTC, and would be independent of the expression of specific epithelial cell surface markers, since CTCs in the peripheral blood may be undergoing EMT (epithelial mesenchymal transition) and may not express epithelial markers. RosetteSep™ CD45 depletion of hematopoietic cells directly from whole blood meets these criteria. However, RosetteSep™ enrichment of CTC involves density gradient centrifugation, which entails careful layering of the sample over the density gradient medium and careful pipetting to remove the enriched cells after centrifugation. Centrifugation must be performed with the brake off to avoid disturbing the enriched cell layer, further lengthening the process. SepMate™, a centrifugation tube with a specialized insert, was developed to minimize mixing of the sample with the density gradient medium, thus allowing rapid layering of the sample on the density gradient medium and easy pouring off of the enriched cells after centrifugation. We compared CTC enrichment using RosetteSep™ and the standard tubes and protocol with RosetteSep™ using SepMate™ tubes and reduced cocktail incubation and spin times on 5 donor whole blood samples seeded with ∼1% CAMA cells. Purity of viable (PI negative) CTC obtained with SepMate™ with RosetteSep™ was 85 ± 7%; purity of CTC obtained with RosetteSep™ alone was 91 ± 5% (no significant difference, paired t test, p=0.050). Purity of CTC obtained with density gradient centrifugation only (no RosetteSep™), either with or without SepMate™, was 4 ± 2%. There was no significant difference in the recovery of enriched CTC under any of the conditions tested (RosetteSep™ ± SepMate™, SepMate™ alone, density gradient separation alone, Tukey-Kramer test, p>0.05). CTC enrichment was accomplished in <40 min using SepMate™ with RosetteSep™. Simplifying the layering and layer removal step makes the entire process easily scalable to processing multiple samples simultaneously. Utilizing this method, CTCs can be enriched directly from whole blood without bias regarding their surface antigen expression. Large samples can be rapidly volume-reduced in preparation for detailed examination in a microfluidic device. Finally, enriched CTC are not labeled with antibodies or beads; there is nothing to interfere with subsequent further enrichment, culture, or evaluation. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 103rd Annual Meeting of the American Association for Cancer Research; 2012 Mar 31-Apr 4; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2012;72(8 Suppl):Abstract nr 2375. doi:1538-7445.AM2012-2375
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».