Multisite clinical cross-validation and variant interpretation of a next generation sequencing panel for lymphoid cancer prognostication
Notice bibliographique
Résumé
AIMS: Genomic sequencing of lymphomas is under-represented in routine clinical testing despite having prognostic and predictive value. Clinical implementation is challenging due to a lack of consensus on reportable targets and a paucity of reference samples. We organised a cross-validation study of a lymphoma-tailored next-generation sequencing panel between two College of American Pathologists (CAP)-accredited clinical laboratories to mitigate these challenges. METHODS: A consensus for the genomic targets was discussed between the two institutes based on recurrence in diffuse large B-cell lymphoma, follicular lymphoma, mantle cell lymphoma, chronic lymphocytic leukaemia and T-cell lymphomas. Using the same genomic targets, each laboratory ordered libraries independently and a cross-validation study was designed to exchange samples (8 cell lines and 22 clinical samples) and their FASTQ files. RESULTS: The sensitivity of the panel when comparing different library preparation and bioinformatic workflows was between 97% and 99% and specificity was 100% when a 5% limit of detection cut-off was applied. To evaluate how the current standards for variant classification of tumours apply to lymphomas, the Association for Molecular Pathology/American Society of Clinical Oncology/CAP and OncoKB classification systems were applied to the panel. The majority of variants were assigned a possibly actionable class or likely pathogenic due to more limited evidence in the literature. CONCLUSIONS: The cross-validation study highlights the benefits of sample and data exchange for clinical validation and provided a framework for reporting the findings in lymphoid malignancies.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».