Genomic concordance between profiling of circulating tumor DNA (ctDNA) and matched tissue in metastatic urothelial carcinoma.
Notice bibliographique
Résumé
457 Background: Biomarkers are urgently needed to facilitate tumor molecular stratification in metastatic urothelial carcinoma (mUC), thus potentially enabling patient selection for targeted- and immuno-therapies. We aimed to assess concordance for clinically-relevant driver gene alterations between same-patient tumor tissue and ctDNA. Methods: Whole blood samples were collected from 90 mUC patients (162 samples in total) for next-generation sequencing of cell-free DNA (cfDNA) and leukocyte DNA. Deep targeted sequencing was performed across a custom 50 bladder cancer gene panel (median cfDNA depth of 986x). Matched archival primary tissue and/or metastatic tissue biopsy was available from 65 patients, and profiled using the same assay. Results: 81% of mUC patients (73/90) had ctDNA fractions above 2% in at least one blood collection (median ctDNA fraction 22%). A high tumor mutation burden (≥25 mutations per Mb) was observed in ctDNA from 20 patients (27%). From ctDNA, TP53 and ARID1A were mutated in 64% and 29% of patients, respectively. Tissue from distant metastatic lesions was available from 17 patients; 82% (62/76) of coding somatic mutations identified were independently detected in the matched ctDNA sample; however, 7/14 discordant calls were attributable to the paired sample having a low ctDNA fraction. Similarly, 89% (88/99) of coding somatic mutations detected in archival primary tissue (cystectomy or nephrectomy) were present in later cfDNA collections. Sequencing multiple sites from archival cystectomies revealed spatially and genomically distinct subclones in 2/4 cases. Conclusions: In mUC, tumor tissue and ctDNA demonstrate remarkably high concordance; our findings support the use of either approach in the characterization of truncal driver gene alterations.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».