Rational Development of Liquid Biopsy Analysis in Renal Cell Carcinoma
Notice bibliographique
Résumé
Renal cell carcinoma (RCC) is known for its variable clinical behavior and outcome, including heterogeneity in developing relapse or metastasis. Recent data highlighted the potential of somatic mutations as promising biomarkers for risk stratification in RCC. Likewise, the analysis of circulating tumor DNA (ctDNA) for such informative somatic mutations (liquid biopsy) is considered an important advance for precision oncology in RCC, allowing to monitor molecular disease evolution in real time. However, our knowledge about the utility of ctDNA analysis in RCC is limited, in part due to the lack of RCC-appropriate assays for ctDNA analysis. Here, by interrogating different blood compartments in xenograft models, we identified plasma cell-free (cf) DNA and extracellular vesicles (ev) DNA enriched for RCC-associated ctDNA. Additionally, we developed sensitive targeted sequencing and bioinformatics workflows capable of detecting somatic mutations in RCC-relevant genes with allele frequencies ≥ 0.5%. Applying this assay to patient-matched tumor and liquid biopsies, we captured tumor mutations in cf- and ev-DNA fractions isolated from the blood, highlighting the potentials of both fractions for ctDNA analysis. Overall, our study presents an RCC-appropriate sequencing assay and workflow for ctDNA analysis and provides a proof of principle as to the feasibility of detecting tumor-specific mutations in liquid biopsy in RCC patients.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 0,002 |
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 ».