Cell-free Tumor Methylome Analysis of Small Cell Lung Cancer Patients Identifies Subgroups with Prognostic Associations
Notice bibliographique
Résumé
Abstract Introduction Small cell lung cancer (SCLC) is a highly aggressive type of cancer with a high risk of recurrence. The SCLC methylome may yield biologic insight but is understudied due to difficulty in acquiring primary patient tissue. Here, we comprehensively profile the SCLC methylome using cell-free methylated DNA immunoprecipitation sequencing (cfMeDIP-seq). Methods cfDNA was extracted from plasma samples collected from 74 SCLC patients prior to initiation of first-line treatment and from 20 non-cancer smoker participants. Genomic DNA (gDNA) was also extracted from paired peripheral blood leukocytes from the 74 SCLC patients and 7 accompanying circulating-tumour-cell patient-derived xenografts (CDX). cfDNA and gDNA were used as input for cfMeDIP-seq. We developed PeRIpheral blood leukocyte MEthylation (PRIME) subtraction as an algorithm to improve tumour specificity of cell-free methylome. Results SCLC total plasma cfDNA methylation profiles obtained using cfMeDIP-seq are representative of CDX tumour methylation. SCLC cfDNA methylation is distinct from non-cancer plasma. Using PRIME and k-means consensus clustering, we identified two SCLC methylome clusters with prognostic associations. These clusters had methylated biological pathways related to axon guidance, neuroactive ligand−receptor interaction, pluripotency of stem cells, and were differentially methylated at long noncoding RNA, LINEs, SINEs, retrotransposons, and other repeats features. Conclusions We have comprehensively profiled the SCLC methylome using cfMeDIP-seq in a large patient cohort and identified methylome clusters with prognostic associations. Our work demonstrates the potential of liquid biopsies in examining SCLC biology encoded in the methylome.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».