<i>epi</i> Liver a novel tumor specific, high throughput and cost-effective blood test for specific detection of liver cancer (HCC)
Notice bibliographique
Résumé
Abstract Robust cost effective and high-throughput tests for early detection of cancer in otherwise healthy people could potentially revolutionize public-health and the heavy personal and public burden of the morbidity and mortality from cancer. Several studies have delineated tumor specific DNA methylation profiles that could serve as biomarkers for early detection of Hepatocellular Carcinoma (HCC) as well as other cancers in liquid biopsies. Several published DNA methylation markers fail to distinguish HCC DNA from DNA from other tissues and other cancers that are potentially present in plasma. We describe a set of DNA methylation signatures in HCC that are “categorically” distinct from normal tissues and blood DNA methylation profiles. We develop a classifier combined of 4 CG sites that is sufficient to detect HCC in TCGA HCC data set at high accuracy. A single CG site at the F12 gene is sufficient to differentiate HCC samples from thousands of other blood samples, normal tissues and 31 tumors in the TCGA and Gene Expression Omnibus (GEO) data repository (n=11,704). A “next generation sequencing”-targeted-multiplexed high-throughput assay was developed, which was used to examine in a clinical study plasma samples from HCC, chronic hepatitis B (CHB) patients and healthy controls (n=398). The sensitivity for HCC detection was 84.5% at a specificity of 95% and AUC of 0.94. Applying this assay for routine follow up of people who are at high risk for developing HCC could have a significant impact on reducing the morbidity and mortality from HCC.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».