Cell-free DNA from germline TP53 mutation carriers reflect cancer-like fragmentation patterns
Notice bibliographique
Résumé
Germline pathogenic TP53 variants predispose individuals to a high lifetime risk of developing multiple cancers and are the hallmark feature of Li-Fraumeni syndrome (LFS). Our group has previously shown that LFS patients harbor shorter plasma cell-free DNA fragmentation; independent of cancer status. To understand the functional underpinning of cfDNA fragmentation in LFS, we conducted a fragmentomic analysis of 199 cfDNA samples from 82 TP53 mutation carriers and 30 healthy TP53-wildtype controls. We find that LFS individuals exhibit an increased prevalence of A/T nucleotides at fragment ends, dysregulated nucleosome positioning at p53 binding sites, and loci-specific changes in chromatin accessibility at development-associated transcription factor binding sites and at cancer-associated open chromatin regions. Machine learning classification resulted in robust differentiation between TP53 mutant versus wildtype cfDNA samples (AUC-ROC = 0.710–1.000) and intra-patient longitudinal analysis of ctDNA fragmentation signal enabled early cancer detection. These results suggest that cfDNA fragmentation may be a useful diagnostic tool in LFS patients and provides an important baseline for cancer early detection. Here, Wong et al investigate the cell-free DNA landscape of individuals with Li-Fraumeni syndrome (LFS), a cancer predisposition, and find altered composition compared to non-LFS individuals which can be used to detect and track cancer development.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».