Circulating tumor <scp>DNA</scp> predicts the outcome of chemotherapy in patients with lung cancer
Notice bibliographique
Résumé
BACKGROUND: Circulating tumor DNA (ctDNA) has potential as a specific, noninvasive, and cost-effective new biomarker for patients with lung cancer. This study aimed to determine whether plasma ctDNA can be used to predict treatment outcomes in patients with lung cancer. METHODS: Pre- and in-treatment blood samples were collected from 14 patients with lung cancer receiving chemotherapy. Based on next-generation sequencing technology, we constructed a unique molecular identifier (UMI) library and performed targeted deep sequencing of 72 genes (15 000×). We used dVAF to evaluate the change level and trend of variant allele frequency (VAF). RESULTS: We identified MUC16, KMT2D, AMER1, and NTRK1 as the most-frequently mutated genes in ctDNA associated with lung cancer. Furthermore, we showed that the change trend of dVAF in patients with lung cancer undergoing chemotherapy was closely related to the changes in both tumor volume and tumor biomarkers, including CEA, CA125, NSE, and CK (Cytokeratin). Moreover, the ctDNA analysis revealed disease progression of SCLC patients earlier than did computed tomography. CONCLUSIONS: The dynamic detection of plasma ctDNA VAF has the potential value as a biomarker for evaluating the efficacy of chemotherapy in patients with SCLC and advanced NSCLC, and may predict the progression of lung cancer patients earlier than radiography.
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 | 0,000 | 0,000 |
| 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 ».