Validation of low‐pass genome sequencing for prenatal diagnosis
Notice bibliographique
Résumé
OBJECTIVE: Chromosomal microarray (CMA), while considered the gold standard for detecting copy number variants (CNVs) in prenatal diagnostics, has its limitations, including the necessity to replace aging microarray equipment, low throughput, a static design, and an inefficient multi-day workflow. This study evaluates the feasibility of low-pass genome sequencing (LP-GS) as a potential replacement for CMA in prenatal diagnostics. METHODS: We comprehensively compared LP-GS at 10x and 5x average depths with CMA in a prenatal laboratory. We examined parameters, including concordance, sensitivity, specificity, workflow efficiency, and cost-effectiveness. RESULTS: We found a high degree of agreement between LP-GS and CMA for detecting CNVs and absence of heterozygosity. Furthermore, compared to CMA, LP-GS increased workflow efficiency and proved to be cost-neutral at 10x and cost-effective at 5x. CONCLUSION: Our study suggests that LP-GS is a promising alternative to CMA in prenatal diagnostics, offering advantages, including a more efficient workflow and scalability for larger testing volumes. Importantly, for clinical laboratories that have adopted next-generation sequencing in a separate capacity, LP-GS facilitates a unified NGS-centric approach, enabling workflow consolidation. By offering a single, streamlined platform for detecting a broad range of genetic variants, LP-GS may represent a critical step toward enhancing the diagnostic capabilities of prenatal laboratories.
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 | 0,000 | 0,000 |
| 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 ».