Innovative Tumor Tissue Dissection Tool for Molecular Oncology Diagnostics
Notice bibliographique
Résumé
Formalin-fixed, paraffin-embedded (FFPE) tissue is the most commonly used material for tumor molecular profiling, therapy selection, and prognostication. Tumor tissue enrichment by tissue dissection is highly recommended to generate quality data reproducibly for use in downstream assays, such as real-time PCR and next-generation sequencing. The aim of this study was to evaluate the performance of the automated tissue dissection tool AVENIO Millisect System compared with a manual dissection method using 18 FFPE tissue specimens. The study assessed performance of these two methods with paraffinized and deparaffinized sections at 5- and 10-μm thickness as well as at low (5% to 10%) and high (>50%) tumor content. In addition, compatibility with various nucleic acid and protein extraction methods was assessed. Overall, dissection by Millisect resulted in statistically significantly higher yields of nucleic acids and protein compared with manual dissection (P = 0.00524). In downstream analysis on a statistically nonpowered sample set, EGFR mutation testing by PCR led to highly concordant results, and next-generation sequencing testing yielded significantly higher allelic frequencies when tissue was dissected by Millisect compared with manual scraping, demonstrating noninferiority of the automated method. In summary, the AVENIO Millisect System may replace manual labor and support automation of FFPE tumor tissue workflows in clinical molecular laboratories with high testing volumes with adequate validation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,003 |
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 ».