MétaCan
Menu
← Retour à la cohorte
Enregistrement W4282964229 · doi:10.1158/1538-7445.am2022-75

Abstract 75: Highly multiplexed <i>EGFR</i> mutation detection from liquid biopsy samples using the 6-color Crystal Digital PCR™

2022· article· en· W4282964229 sur OpenAlexaboutno aff
Cécile Jovelet, Myrtille Remy, Noémie Pata-Merci, Damien Vasseur, Ludovic Lacroix, Claudia Labrador-Rached, Allison C. Mallory

Notice bibliographique

RevueCancer Research · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigital polymerase chain reactionLiquid biopsyEpidermal growth factor receptorLung cancerBiomarkerCancer researchMutationSomatic cellEGFR inhibitorsMedicineCancerBiologyOncologyInternal medicinePolymerase chain reactionGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Liquid biopsies are a minimally invasive sampling approach to overcome the heterogeneity of tumors and represent a valuable source of circulating tumor DNA (ctDNA) for oncological biomarker analysis. ctDNA measurements require a highly sensitive and reliable detection technology to quantify often low-level genetic aberrations within a high background of wild-type sequences. Digital PCR emerged as a powerful technology for the next-generation analysis of liquid biopsies. Stilla Technologies' 6-color naica® system is an ultrasensitive, easy-to-use digital PCR platform capable of simultaneously and precisely quantifying high numbers of biomarkers in a single reaction. Non-small cell lung cancer (NSCLC) is a leading cause of cancer mortality worldwide. Epidermal growth factor receptor (EGFR) is frequently mutated in NSCLC. A handful of anti-EGFR Tyrosine Kinase Inhibitor therapies are approved by the FDA; however, most patients develop resistance over time to these treatments. Both monitoring primary EGFR mutations to predict treatment response and precociously detecting resistance mutations to adapt treatments promptly through ctDNA analysis stand to improve the effectiveness of NSCLC patient management. Stilla has developed a highly multiplexed 6-color Crystal Digital PCR EGFR kit detecting more than 90% of EGFR mutations described in NSCLC from ctDNA. The assay detects 32 common and rare somatic EGFR mutations in exons 18, 19, 20, and 21, including both activating and resistant mutations. In this work, we evaluated the sensitivity, precision and specificity of the EGFR 6-color Crystal Digital PCR assay highly specific and sensitive for the detection of EGFR mutations, with a Limit of Detection in a high background of wild-type DNA ranging from 0.30 to 0.46 cp/μL (with observed MAFs ranging from 0.06 to 0.09%). Moreover, a high concordance was observed between those EGFR results obtained for NSCLC ctDNA samples using 6-color Crystal Digital PCR and other technologies. With a rapid time to results and straightforward ctDNA analysis workflow, Crystal Digital PCR on the naica system promises ultrasensitive, highly multiplexed 6-color mutation detection, maximizing the information obtained from precious samples. Citation Format: Cécile Jovelet, Myrtille Remy, Noémie Pata-Merci, Damien Vasseur, Ludovic Lacroix, Claudia Labrador-Rached, Allison C. Mallory. Highly multiplexed EGFR mutation detection from liquid biopsy samples using the 6-color Crystal Digital PCR™ [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2022; 2022 Apr 8-13. Philadelphia (PA): AACR; Cancer Res 2022;82(12_Suppl):Abstract nr 75.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,339
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→