Tumor-Naïve Multimodal Profiling of Circulating Tumor DNA in Head and Neck Squamous Cell Carcinoma
Notice bibliographique
Résumé
Abstract Purpose: Circulating tumor DNA (ctDNA) enables personalized treatment strategies in oncology by providing a noninvasive source of clinical biomarkers. In patients with low ctDNA abundance, tumor-naïve methods are needed to facilitate clinical implementation. Here, using locoregionally confined head and neck squamous cell carcinoma (HNSCC) as an example, we demonstrate tumor-naïve detection of ctDNA by simultaneous profiling of mutations and methylation. Experimental Design: We conducted CAncer Personalized Profiling by deep Sequencing (CAPP-seq) and cell-free Methylated DNA ImmunoPrecipitation and high-throughput sequencing (cfMeDIP-seq) for detection of ctDNA-derived somatic mutations and aberrant methylation, respectively. We analyzed 77 plasma samples from 30 patients with stage I–IVA human papillomavirus–negative HNSCC as well as plasma samples from 20 risk-matched healthy controls. In addition, we analyzed leukocytes from patients and controls. Results: CAPP-seq identified mutations in 20 of 30 patients at frequencies similar to that of The Tumor Genome Atlas (TCGA). Differential methylation analysis of cfMeDIP-seq profiles identified 941 ctDNA-derived hypermethylated regions enriched for CpG islands and HNSCC-specific methylation patterns. Both methods demonstrated an association between ctDNA abundance and shorter fragment lengths. In addition, mutation- and methylation-based ctDNA abundance was highly correlated (r > 0.85). Patients with detectable pretreatment ctDNA by both methods demonstrated significantly worse overall survival (HR = 7.5; P = 0.025) independent of clinical stage, with lack of ctDNA clearance post-treatment strongly correlating with recurrence. We further leveraged cfMeDIP-seq profiles to validate a prognostic signature identified from TCGA samples. Conclusions: Tumor-naïve detection of ctDNA by multimodal profiling may facilitate biomarker discovery and clinical use in low ctDNA abundance applications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».