Tumor Mutational Burden by Whole-Genome Sequencing in Resected NSCLC of Never Smokers
Notice bibliographique
Résumé
BACKGROUND: Data are scarce about tumor mutational burden (TMB) as a biomarker in never smokers with non-small cell lung cancer (NSCLC). METHODS: TMB was assessed by whole-genome sequencing (WGS) and compared with in silico reduced whole-exome sequencing (WES) and targeted commercial next-generation sequencing (NGS) gene panels in 92 paired tumor-normal samples from never smokers who underwent NSCLC resection with curative intent. Analyses were performed to test for association with survival after surgery and to identify the optimal prognostic TMB cutoff. RESULTS: Tumors of never smokers with NSCLC had low TMB scores (median 1.57 mutations/Mb; range, 0.13-17.94). A TMB cutoff of 1.70 mutations/Mb was associated with a 5-year overall survival of 58% in the high-TMB (42% of cases) compared with 86% in low-TMB patients (Wald P = 0.0029). TMB scores from WGS and WES were highly correlated (Spearman ρ = 0.93, P < 2.2e-16). TMB scores from NGS panels demonstrated high intraindividual fluctuations and identified high-TMB patients with 65% concordance in average compared with WGS. CONCLUSIONS: In resected NSCLC of never smokers, high TMB was associated with worse prognosis. WES provided a good estimate of TMB while targeted NGS panels seem to lack adequate depth and resolution in the setting of low mutation burden. IMPACT: TMB is a prognostic indicator of survival in resected NSCLC from individuals who never smoked. In this setting of low mutation counts, TMB can be accurately measured by WGS or WES, but not NGS panels.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 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 ».