Peptide-Affinity Precipitation of Extracellular Vesicles and Cell-Free DNA Improves Sequencing Performance for the Detection of Pathogenic Mutations in Lung Cancer Patient Plasma
Notice bibliographique
Résumé
Liquid biopsy is a minimally-invasive diagnostic method that may improve access to molecular profiling for non-small cell lung cancer (NSCLC) patients. Although cell-free DNA (cf-DNA) isolation from plasma is the standard liquid biopsy method for detecting DNA mutations in cancer patients, the sensitivity can be highly variable. Vn96 is a peptide with an affinity for both extracellular vesicles (EVs) and circulating cf-DNA. In this study, we evaluated whether peptide-affinity (PA) precipitation of EVs and cf-DNA from NSCLC patient plasma improves the sensitivity of single nucleotide variants (SNVs) detection and compared observed SNVs with those reported in the matched tissue biopsy. NSCLC patient plasma was subjected to either PA precipitation or cell-free methods and total nucleic acid (TNA) was extracted; SNVs were then detected by next-generation sequencing (NGS). PA led to increased recovery of DNA as well as an improvement in NGS sequencing parameters when compared to cf-TNA. Reduced concordance with tissue was observed in PA-TNA (62%) compared to cf-TNA (81%), mainly due to identification of SNVs in PA-TNA that were not observed in tissue. EGFR mutations were detected in PA-TNA with 83% sensitivity and 100% specificity. In conclusion, PA-TNA may improve the detection limits of low-abundance alleles using NGS.
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 | 0,000 | 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 ».