MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399737564 · doi:10.1200/jco.2024.42.16_suppl.3009

Performance characteristics of a tissue-agnostic genome-wide methylome enrichment MRD assay for head and neck malignancies.

2024· article· en· W4399737564 sur OpenAlexaff
Geoffrey Liu, Martha Pienkowski, Shao Hui Huang, Laurie Ailles, Katrina Rey‐McIntyre, Jun Won Min, Yarong Wang, Justin Burgener, Joshua T. Jones, Ben Brown, Junjun Zhang, Owen Hall, Shu Yi Shen, Jeremy Provance, Eduardo V. Sosa, Jing Zhang, Abel Licon, Brian Allen, Anne‐Renee Hartman, Daniel D. De Carvalho

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineHead and neckHead and neck cancerGenomeDNA methylationComputational biologyCancer researchCancerGeneticsGeneInternal medicineBiologySurgeryGene expression

Résumé

récupéré en direct d'OpenAlex

3009 Background: Plasma cell-free DNA (cfDNA) tests have emerged as a promising approach for cancer management. cfDNA methylome approaches are well-suited for molecular residual disease (MRD) detection. Here we present data using a tissue-agnostic, genome-wide methylome enrichment platform based on cell-free methylated DNA immunoprecipitation and high throughput sequencing (cfMEDIP-seq) in head and neck cancer (HNC) to predict relapse for purposes of guiding adjuvant therapy after completion of curative-intent treatment and to detect early relapse. Methods: The cohort is comprised of biobanked samples from individuals diagnosed with stage I-IVB human papillomavirus (HPV)-negative and HPV-positive HNC with longitudinal data collection and sampling. The full cohort includes 325 unique patients with 1,155 samples. Samples were split into distinct sets to train and test a classifier consisting of differentially methylated regions. Blood collection time points include at diagnosis, and approximately 3 (landmark), 12 and 24 months after curative intent treatment. 5-10 ng of cfDNA isolated from each plasma sample was used for cfMEDIP-seq. MRD signals were quantified from average normalized counts across informative methylated regions and binarized into a positive (above the threshold) and negative groups. Recurrence-free survival (RFS) was compared for patients who tested positive to those who tested negative at 3 months post-curative treatment (i.e., landmark timepoint) and longitudinally. Results: A total of 196 post-treatment samples from 80 unique patients [stage I (35%), II (15%), III (24%), IV (26%)] were analyzed and correlated with recurrence, in this interim training result. At the landmark timepoint, patients who tested positive showed significantly worse RFS than those who tested negative (Hazard ratio (HR) 9.69; 95% CI, 4.39-21.4, P<0.001). Incorporating serial longitudinal samples, recurrence-free survival was worse in patients who tested positive compared to those that tested negative (HR 14.52; 95% CI, 5.78-36.46, P<0.001). Conclusions: Interim analysis demonstrates that MRD detection with a tissue-agnostic, genome-wide methylome enrichment platform in HNC patients after curative intent treatment correlates strongly with RFS with hazard ratios consistent with tumor-informed assays previously described. Updated analyses from the cohort will be presented at the meeting.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
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 ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,053
Tête enseignante GPT0,401
Écart entre enseignants0,348 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetEpigenetics and DNA Methylation→Travaux en français237 207→