Simultaneous detection of lung fusions using a multiplex RT-PCR next generation sequencing-based approach: a multi-institutional research study
Notice bibliographique
Résumé
BACKGROUND: Gene fusion events resulting from chromosomal rearrangements play an important role in initiation of lung adenocarcinoma. The recent association of four oncogenic driver genes, ALK, ROS1, RET, and NTRK1, as lung tumor predictive biomarkers has increased the need for development of up-to-date technologies for detection of these biomarkers in limited amounts of material. METHODS: We describe here a multi-institutional study using the Ion AmpliSeq™ RNA Fusion Lung Cancer Research Panel to interrogate previously characterized lung tumor samples. RESULTS: Reproducibility between laboratories using diluted fusion-positive cell lines was 100%. A cohort of lung clinical research samples from different origins (tissue biopsies, tissue resections, lymph nodes and pleural fluid samples) were used to evaluate the panel. We observed 97% concordance for ALK (28/30 positive; 71/70 negative samples), 95% for ROS1 (3/4 positive; 19/18 negative samples), and 93% for RET (2/1 positive; 13/14 negative samples) between the AmpliSeq assay and other methodologies. CONCLUSION: This methodology enables simultaneous detection of multiple ALK, ROS1, RET, and NTRK1 gene fusion transcripts in a single panel, enhanced by an integrated analysis solution. The assay performs well on limited amounts of input RNA (10 ng) and offers an integrated single assay solution for detection of actionable fusions in lung adenocarcinoma, with potential savings in both cost and turn-around-time compared to the combination of all four assays by other methods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».