Integration of Technical, Bioinformatic, and Variant Assessment Approaches in the Validation of a Targeted Next-Generation Sequencing Panel for Myeloid Malignancies
Notice bibliographique
Résumé
CONTEXT: - Detection of variants in hematologic malignancies is increasingly important because of a growing number of variants impacting diagnosis, prognosis, and treatment response, and as potential therapeutic targets. The use of next-generation sequencing technologies to detect variants in hematologic malignancies in a clinical diagnostic laboratory setting allows for efficient identification of routinely tested markers in multiple genes simultaneously, as well as the identification of novel and rare variants in other clinically relevant genes. OBJECTIVE: - To apply a systematic approach to evaluate and validate a commercially available next-generation sequencing panel (TruSight Myeloid Sequencing Panel, Illumina, San Diego, California) targeting 54 genes. In this manuscript, we focused on the parameters that were used to evaluate assay performance characteristics. DATA SOURCES: - Analytical validation was performed using samples containing known variants that had been identified previously. Cases were selected from different disease types, with variants in a range of genes. Panel performance characteristics were assessed and genomic regions requiring additional analysis or wet-bench approaches identified. CONCLUSIONS: - We validated the performance characteristics of a myeloid next-generation sequencing panel for detection of variants. The TruSight Myeloid Sequencing Panel covers more than 95% of target regions with depth greater than 500×. However, because of unique variant types such as large insertions or deletions or genomic regions of high GC content, variants in CEBPA, FLT3, and CALR required supplementation with non-next-generation sequencing assays or with informatics approaches to address deficiencies in performance. The use of multiple bioinformatics approaches (2 variant callers and informatics scripts) allows for maximizing calling of true positives, while identifying limitations in using either method alone.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».