CapTCR-seq: hybrid capture for T-cell receptor repertoire profiling
Notice bibliographique
Résumé
Abstract Mature T-cell lymphomas consisting of an expanded clonal population of T cells that possess common rearrangements of the T-cell receptor (TCR) encoding genes can be identified and monitored using molecular methods of T-cell repertoire analysis. We have developed a hybrid-capture method that enriches DNA sequencing libraries for fragments encoding rearranged TCR genes from all 4 loci in a single reaction. We use this method to describe the TCR repertoires of 63 putative lymphoma clinical isolates, 7 peripheral blood mononuclear cell (PBMC) populations, and a collection of tumor infiltrating lymphocytes. Dominant Variable (V) and Joining (J) gene pair rearrangements in cancer cells were confirmed by polymerase chain reaction (PCR) amplification and Sanger sequencing; clonality assessment of clinical isolates using BIOMED-2 methods showed agreement for 73% and 77% of samples at the β and γ loci, respectively, whereas β locus V and J allele prevalence in PBMCs were well correlated with results from commercial PCR-based DNA sequencing assays (r2 = 0.94 with Adaptive ImmunoSEQ, 0.77-0.83 with Invivoscribe LymphoTrack TRB Assay). CapTCR-seq allows for rapid, high-throughput and flexible characterization of dominant clones within TCR repertoire that will facilitate quantitative analysis of patient samples and enhance sensitivity of tumor surveillance over time.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».