BRCA1 Variant Assessment Using a Simple Analytic Assay
Notice bibliographique
Résumé
BACKGROUND: We previously developed a biological assay to accurately predict BRCA1 (BRCA1 DNA repair associated) mutation status, based on gene expression profiles of Epstein-Barr virus-transformed lymphoblastoid cell lines. The original work was done using whole genome expression microarrays, and nearest shrunken centroids analysis. While these approaches are appropriate for model building, they are difficult to implement clinically, where more targeted testing and analysis are required for time and cost savings. METHODS: Here, we describe adaptation of the original predictor to use the NanoString nCounter platform for testing, with analysis based on the k-top scoring pairs (k-TSP) method. RESULTS: Assessing gene expression using the nCounter platform on a set of lymphoblastoid cell lines yielded 93.8% agreement with the microarray-derived data, and 87.5% overall correct classification of BRCA1 carriers and controls. Using the original gene expression microarray data used to develop our predictor with nearest shrunken centroids, we rebuilt a classifier based on the k-TSP method. This classifier relies on the relative expression of 10 pairs of genes, compared to the original 43 identified by nearest shrunken centroids (NSC), and was 96.2% concordant with the original training set prediction, with a 94.3% overall correct classification of BRCA1 carriers and controls. CONCLUSIONS: The k-TSP classifier was shown to accurately predict BRCA1 status using data generated on the nCounter platform and is feasible for initiating a clinical 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 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 | 0,002 | 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 ».