Enhanced Quality Metrics for Assessing RNA Derived From Archival Formalin-Fixed Paraffin-Embedded Tissue Samples
Notice bibliographique
Résumé
Formalin-fixed paraffin-embedded (FFPE) tissues provide an important resource for toxicogenomic research. However, variability in the integrity or quality of RNA obtained from archival FFPE specimens can lead to unreliable data and wasted resources, and standard protocols for measuring RNA integrity do not adequately assess the suitability of FFPE RNA. The main goal of this study was to identify improved methods for evaluating FFPE RNA quality for whole-genome sequencing. We examined RNA quality metrics conducted prior to RNA-sequencing in paired frozen and FFPE samples with varying levels of quality based on age in block and time in formalin. RNA quality was measured by the RNA integrity number (RIN), a modified RIN called the paraffin-embedded RNA metric, the percentage of RNA fragments >100-300 nucleotides in size (DV100-300), and 2 quantitative PCR-based methods. This information was correlated to sequencing read quality, mapping, and gene detection. Among fragmentation-based methods, DV and PCR-based metrics were more informative than RIN or paraffin-embedded RNA metric in determining sequencing success. Across low- and high-quality FFPE samples, a minimum of 80% of RNA fragments >100 nucleotides (DV100 > 80) provided the best indication of gene diversity and read counts upon sequencing. The PCR-based methods further showed quantitative reductions in amplifiable RNA of target genes related to sample age and time in formalin that inform input quantity of FFPE RNA for sequencing. These results should aid in screening and prioritizing archival FFPE samples for retrospective analyses of gene expression.
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 | 0,001 | 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 | 0,001 | 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 ».