Performance Comparison of Affymetrix SNP6.0 and Cytogenetic 2.7M Whole-Genome Microarrays in Complex Cancer Samples
Notice bibliographique
Résumé
The Affymetrix cytogenetic 2.7M whole-genome microarray (Cyto2.7M) detects genomic aberrations. The Cyto2.7M array has increased coverage in regions with cancer-related genes, ~4-fold reduced processing time, and 5-fold reduced input requirements (100 ng) compared to the commonly used Affymetrix SNP6.0 genome-wide microarray (SNP6.0). We set out to compare the performance of these microarrays on cancer samples containing complex genomic changes. We analyzed genomic DNA from 8 lymphoma samples and 1 blood sample using both SNP6.0 and Cyto2.7M microarrays. We compared the arrays with respect to 4 parameters, including detection of copy number variations (CNV), CNV boundaries, the actual copy number (CN) assigned to the aberrations, and loss of heterozygosity. The CN state of selected regions was validated by quantitative PCR. Very high consistency between arrays on all parameters tested was observed, hence only 30 of 224 aberrations disagreed on the CN state, corresponding to a total of ~12 Mb or 0.06% of the analyzed base pairs. Thus, the SNP6.0 and Cyto2.7M arrays are equally well suited to detect genomic aberrations in complex samples such as cancer samples. With reduced processing time and lower input requirements, the Cyto2.7M array enables genomic analysis of samples where only limited DNA is available.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».