BIOM-62 SENSITIVE DETECTION AND DISCRIMINATION OF INTRACRANIAL TUMORS BY BLOOD
Notice bibliographique
Résumé
Abstract BACKGROUND The diagnosis of intracranial tumors relies on tissue specimens obtained by invasive surgery. Non-invasive diagnostic approaches, particularly for patients with brain tumours, provide an opportunity to avoid surgery and mitigate unnecessary risk to patients. We reasoned that DNA methylation profiles of circulating tumor DNA in blood can be used as a clinically useful biomarker for patients with brain tumors, given the specificity of DNA methylation profiles for cell-of-origin. METHODS We generated methylation profiles on the plasma of 608 patients with cancer (219 intracranial, 388 extracranial) and 60 healthy controls using a cell-free methylated DNA immunoprecipitation combined with deep sequencing (cfMeDIP-seq) approach. Using machine-learning approaches we generated and evaluated models to distinguish brain tumors from extracranial cancers that may metastasize to the brain, as well as additional models to discriminate common brain tumors included in the differential diagnosis of solitary extra-axial and intra-axial tumors. RESULTS We observed high sensitivity and discriminative capacity for our models to distinguish gliomas from other cancerous and healthy patients (AUC=0.99, 95%CI 0.96–1), with similar performance in IDH mutant and wildtype gliomas as well as in lower- and high-grade gliomas. Excluding non-malignant contributors to plasma methylation did not change model performance (AUC=0.982, 95%CI 0.93–1). Models generated to discriminate intracranial tumors from each other also demonstrated high accuracy for common extra-axial tumors (AUCmeningioma=0.89, 95%CI 0.80–0.97; AUChemangiopericytoma=0.95, 95%CI 0.73–1) as well as intra-axial tumors ranging from low-grade indolent glial-neuronal tumors (AUC 0.93, 95%CI 0.80 – 1) to diffuse intra-axial gliomas with distinct molecular composition (AUCIDH-mutant glioma = 0.82, 95%CI 0.66 -0.98; AUCIDH-wildtype-glioma = 0.71, 95%CI 0.53 – 0.9). Plasma cfMeDIP-seq signals originated from corresponding tumor tissue DNA methylation signals (r=0.37, p< 2.2e-16). CONCLUSIONS These results demonstrate the potential for cfMeDIP-seq profiles to not only detect circulating tumor DNA, but to accurately discriminate common intracranial tumors that share cell-of-origin lineages.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».