Optical genome mapping for structural variation analysis in hematologic malignancies
Notice bibliographique
Résumé
Optical genome mapping (OGM) is a technology that is rapidly being adopted in clinical genetics laboratories for its ability to detect structural variation (e.g., translocations, inversions, deletions, duplications, etc.) and replace several concurrent standard of care techniques (karyotype, fluorescence in situ hybridization, and chromosomal microarray). OGM can dramatically simplify lab workflow by reducing multiple tests (conventional karyotype, fluorescence in situ hybridization [FISH], and chromosomal microarray) into one test. The superior ability to detect structural variation across the genome removes the need for reflex FISH studies, which can dramatically reduce cost and turnaround time per sample. Parallel studies of OGM versus standard of care testing have demonstrated it can detect and resolve more abnormalities than karyotyping or FISH. However, like many molecular tests that normalize copy number it can have difficulty with non-diploid karyotypes. This Test of the Month review will summarize how the technique works, review the strengths and weaknesses of OGM compared to standard of care techniques and illustrate how the technique is likely to change front line testing in many hematologic malignancies-including summarizing the clinical utility in acute myeloid leukemia, myelodysplastic syndromes, and B cell acute lymphoblastic leukemia.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».