mRNA transcript quantification in archival samples using multiplexed, color-coded probes
Notice bibliographique
Résumé
BACKGROUND: A recently developed probe-based technology, the NanoString nCounter™ gene expression system, has been shown to allow accurate mRNA transcript quantification using low amounts of total RNA. We assessed the ability of this technology for mRNA expression quantification in archived formalin-fixed, paraffin-embedded (FFPE) oral carcinoma samples. RESULTS: We measured the mRNA transcript abundance of 20 genes (COL3A1, COL4A1, COL5A1, COL5A2, CTHRC1, CXCL1, CXCL13, MMP1, P4HA2, PDPN, PLOD2, POSTN, SDHA, SERPINE1, SERPINE2, SERPINH1, THBS2, TNC, GAPDH, RPS18) in 38 samples (19 paired fresh-frozen and FFPE oral carcinoma tissues, archived from 1997-2008) by both NanoString and SYBR Green I fluorescent dye-based quantitative real-time PCR (RQ-PCR). We compared gene expression data obtained by NanoString vs. RQ-PCR in both fresh-frozen and FFPE samples. Fresh-frozen samples showed a good overall Pearson correlation of 0.78, and FFPE samples showed a lower overall correlation coefficient of 0.59, which is likely due to sample quality. We found a higher correlation coefficient between fresh-frozen and FFPE samples analyzed by NanoString (r = 0.90) compared to fresh-frozen and FFPE samples analyzed by RQ-PCR (r = 0.50). In addition, NanoString data showed a higher mean correlation (r = 0.94) between individual fresh-frozen and FFPE sample pairs compared to RQ-PCR (r = 0.53). CONCLUSIONS: Based on our results, we conclude that both technologies are useful for gene expression quantification in fresh-frozen or FFPE tissues; however, the probe-based NanoString method achieved superior gene expression quantification results when compared to RQ-PCR in archived FFPE samples. We believe that this newly developed technique is optimal for large-scale validation studies using total RNA isolated from archived, FFPE samples.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».