Abstract 4163: Clinical proteomics for patient stratification - a GCLP quantitative mass spectrometry workflow for multiplexed measurement of protein biomarkers in FFPE tissues
Notice bibliographique
Résumé
Abstract a) The advent of precision oncology has led a shift towards biomarker-driven clinical trial designs and molecular profiling of individual patients. Identification of patients with the target biomarker profile may be useful in guiding patient selection as an enrichment strategy for clinical trials. Targeted multiple reaction monitoring mass spectrometry (MRM-MS) analysis for multiplexed quantitation of biomarker proteins in FFPE tissue provides direct, more accurate and precise quantification over current ‘gold standard' immunohistochemistry (IHC) methods. However, MRM-MS has not yet been broadly applied to clinical trials. In this study, we demonstrate the systematic development, optimization and analytical validation of quantitative, multiplexed MRM-MS assays for robust biomarker quantification in clinical FFPE tissues, including sample analysis under GCLP. Results from an MRM panel targeting 8 clinically relevant biomarker proteins will also be shown, including the measured HER2 levels in FFPE breast tumors classified by IHC as 0, 1+, 2+ or 3+. b) MRM-MS biomarker panels were developed and optimized for multiplexed quantitation of ≤12 proteins, in which unique peptides derived from each target protein were monitored as a surrogate measure of protein levels. Tumor regions from FFPE tissue sections were dissected using laser capture or macrodissection, solubilized, digested with trypsin to generate peptides for analysis, spiked with fixed levels of stable isotope labeled (SIL) peptide standards, and analyzed by MRM-MS. Analytical validation was performed per NCI CPTAC guidelines, including response curves, assay repeatability, selectivity, stability, and reproducibility of endogenous detection. Clinical performance was assessed using commercially sourced FFPE-tumor tissues, including a cohort of breast tumor tissues with a wide range of HER2 expression. c) Assay performance results were protein/peptide dependent, with sensitivity in the low pg/μg total protein range. For HER2, assay linearity was demonstrated over 2.5 to 3 orders of magnitude, with a precision and accuracy of <15% over 3 independent runs. In sample analysis, the MRM-MS was sufficiently sensitive to detect HER2 in 1 μg total protein from FFPE breast tumor classified by IHC as negative (0). d) GCLP-compliant quantitative multiplexed large-scale clinical analysis of protein biomarkers by MRM-MS in FFPE tissue is feasible and enables precise and accurate quantitation of proteins when IHC methods are unsuitable or unavailable. Data can be used for patient stratification, optimization of treatment outcomes, drug resistance prediction, and to support clinical development of novel therapies. Citation Format: Maxim Isabelle, Michael Schirm, Gwenael Pottiez, Rudolf Guilbaud, Lorella Di Donato. Clinical proteomics for patient stratification - a GCLP quantitative mass spectrometry workflow for multiplexed measurement of protein biomarkers in FFPE tissues [abstract]. In: Proceedings of the Annual Meeting of the American Association for Cancer Research 2020; 2020 Apr 27-28 and Jun 22-24. Philadelphia (PA): AACR; Cancer Res 2020;80(16 Suppl):Abstract nr 4163.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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 ».