Detection of urothelial carcinoma using plasma cell-free methylated DNA.
Notice bibliographique
Résumé
5046 Background: Methylation profiling of circulating cell-free DNA (cfDNA) is a promising approach for non-invasive tumor detection due to the presence of tissue-specific epigenetic signatures that are detectable in cfDNA. Cell-free methylated DNA immunoprecipitation and high-throughput sequencing (cfMedDIP-seq) is a sensitive, low-input, cost-effective, bisulfite-free approach to profiling cfDNA methylomes, capable of detecting and classifying various tumor types. We tested the feasibility of cfMeDIP-seq to detect urothelial carcinoma (UC) in plasma samples. Methods: We performed cfMeDIP-seq on plasma samples from 43 patients (pts): 18 metastatic UC (UC) pts, 12 pre-cystectomy non-metastatic UC pts, and 13 cancer-free controls. Six (50%) of pre-cystectomy cases were non-muscle invasive UC. cfDNA was immunoprecipitated and enriched using an antibody targeting 5-methylcytosine and PCR-amplified to create a sequence-ready library. The top differentially methylated regions (DMRs) between UC and control samples were used to train a regularized binomial generalized linear model using 80% of the samples as a training set. The 20% of withheld test samples were then assigned a probability of being UC or control. This process was repeated 100 times. Results: The average amount (standard deviation) of cfDNA isolated from 1 ml of UC plasma samples was 29.2 (27.4) ng/µL and 8.02 (3.58) ng/µL in cancer-free controls. We identified 9,826 DMRs in plasma samples at an adjusted p-value of < 0.01, which partitioned UC and control samples. Iterative training and classification of held out samples using the top 300 DMRs resulted in a mean AUROC of 0.987. Conclusions: cfMeDIP-seq is an interesting new approach for non-invasive detection of UC. cfMeDIP-seq demonstrates high sensitivity to detect UC across all stages of UC, including non-muscle invasive disease.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».