Abstract 2602: Leveraging cell-free methylome markers for early cancer detection
Notice bibliographique
Résumé
Abstract Cancer survival rates are significantly improved when detected at early stages, particularly when the tumor is still localized to the tissue of origin. However, effective screening tools for early cancer detection is currently limited to a subset of cancer types. The early development of human malignancies are difficult to observe as cancers are often detected once it becomes symptomatic, as such many cancer biomarker and evolution studies to date have primarily examined the genomics from solid tumor or liquid biopsies following a diagnosis. Investigating early tumor evolution in the pre-diagnosis context could allow us to better understand how to prevent or detect cancers in the earliest stage when survival rates are significantly higher, however this requires application of new technologies to biologics collected prior to a cancer diagnosis. Here, we leverage blood samples collected from participants in the Canadian Partnership for Tomorrow Project (CPTP), a longitudinal population cohort, prior to the onset of a cancer. Specifically, we utilize hybrid capture approaches to enrich for and characterize early mutations and methylation changes in circulating tumor DNA (ctDNA) of pre-cancer plasma samples collected from patients several months to years prior to clinical diagnosis. Here, we identify the earliest detectability of aberrant genetic and epigenetic events in ctDNA and describe the molecular evolution of these events at various stages prior to clinical detection of cancers. Further, we develop molecular biomarkers and implement machine learning tools to classify individuals with early cancers, and to develop risk scores from survival analyses predictive of cancer development up to 5 years prior to diagnosis. In our current study, we focus specifically on breast, prostate, lung and pancreatic cancer cases, and are extending this to pan-cancer applications in subsequent studies. Citation Format: Nicholas Cheng, Kimberly Skead, David Soave, Jocelyn Meng, Elias Gbeha, Ilinca Lungu, Bernard Lam, Scott Bratman, Daniel De Carvalho, Philip Awadalla. Leveraging cell-free methylome markers for early cancer detection [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2021; 2021 Apr 10-15 and May 17-21. Philadelphia (PA): AACR; Cancer Res 2021;81(13_Suppl):Abstract nr 2602.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».