An Algorithm Measuring Donor Cell-Free DNA in Plasma of Cellular and Solid Organ Transplant Recipients That Does Not Require Donor or Recipient Genotyping
Notice bibliographique
Résumé
Cell-free DNA (cfDNA) has significant potential in the diagnosis and monitoring of clinical conditions but accurately and easily distinguishing the relative proportion of DNA molecules in a mixture derived from two different sources (i.e. donor and recipient tissues after transplantation) is challenging. In human cellular transplantation there is currently no useable method to detect in vivo engraftment and blood-based non-invasive tests for allograft rejection in solid organ transplantation are either non-specific (e.g. creatinine in kidney transplantation, liver enzymes in hepatic transplantation) or absent (i.e. heart transplantation). Elevated levels of donor cfDNA have been shown to correlate with solid organ rejection but complex methodology limits implementation of this promising biomarker. We describe a cost-effective method to quantify donor cfDNA in recipient plasma using a panel of high-frequency single nucleotide polymorphisms, next-generation (semiconductor) sequencing and a novel mixture model algorithm. In vitro, our method accurately and rapidly determined donor/recipient DNA admixture. For in vivo testing, donor cfDNA was serially quantified in an infant with a urea cycle disorder after receiving six daily infusions of donor liver cells. Donor cfDNA isolated from 1-2 ml of recipient plasma was detected as late as 24 weeks after infusion suggesting engraftment. The percentage of circulating donor cfDNA was also assessed in pediatric and adult heart transplant recipients undergoing routine endomyocardial biopsy with levels observed to be stable over time and generally measuring <1% in cases without moderate or severe cellular rejection. Unlike existing non-invasive methods used to define the proportion of donor cfDNA in solid organ transplant patients, our assay does not require sex mismatch, donor genotyping or whole-genome sequencing and potentially has broad application to detect cellular engraftment or allograft injury after transplantation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».