Differences in MSI phenotype between cancer types using a new PCR-based pan-cancer biomarker panel.
Notice bibliographique
Résumé
e13145 Background: A multiplexed biomarker panel was developed for detection of MSI that is more sensitive than currently available systems. Preliminary data showed an increased MSI sensitivity for colon polyps, endometrial (EC) and skin cancers. This study expands that finding to 14 different types of cancer. Methods: Selection of the best microsatellite markers was done using a cohort of 160 patients ≤55 years with ≥1 colon polyp and 100 EC patients ≤ 50 years. To validate the new panel, a cohort of 100 Lynch syndrome CRC, 100 sporadic MSI-High CRC, 100 sporadic MSI stable CRC and 219 extra-colonic cancers from the Colon Cancer Family Registry were tested for MSI. Samples were screened using a new 8-marker panel and Promega’s MSI Analysis System. Mismatch repair (MMR) gene mutation status and expression were determined. To compare the relative sensitivity of the 8-marker panel across all cancer types we developed a quantitative “MSI-score” for each cancer type. Results: Considerable differences in MSI phenotypes were observed between cancer types and a new approach to scoring MSI in extra-colonic cancers is proposed. Relative intensity of the MSI phenotype was characterized by MSI-Scores ranging from high of 66 (small intestine) to 6 (brain). The mutations in MSI samples were significantly more common and allele size shifts larger with the new biomarkers, making MSI classification more accurate and robost. MSI, IHC and MMR gene mutation status were highly correlated. Conclusions: The MSI sensitivity of the new biomarker panel for most cancer types was significantly higher than currently available PCR-based MSI systems. Development of the new pan-cancer PCR-based MSI system allows laboratories to leverage established equipment and known analysis techniques to keep turnaround time and costs, quick and affordable compared with emerging NGS-based technologies.
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 | 0,001 |
| 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 | 0,000 | 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 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 ».