Investigating the Use of Circulating Tumor DNA for Sarcoma Management
Notice bibliographique
Résumé
Background/Objectives: Sarcomas are a heterogeneous group of cancers, many with high rates of recurrence and metastasis, leading to significant morbidity and mortality. Due to a lack of early diagnostic biomarkers, by the time recurrent disease can be clinically detected, it is often extensive and difficult to treat. Here, we sought to investigate methods of detecting ctDNA in sarcoma patient plasma to potentially monitor disease recurrence, progression, and response to treatment. Methods: Whole-exome sequencing of matched tumor and blood samples revealed patient-specific mutations, which were used to develop personalized assays to detect ctDNA in patient plasma. Since ctDNA is present in extremely low quantities, detection requires highly sensitive methodologies. Droplet digital PCR is highly sensitive; however, it is limited in that it can only be used to target one tumor variant at a time. Therefore, a protocol combining multiplex PCR and targeted amplicon sequencing was developed. Results: ddPCR was successfully able to detect tumor-specific mutations in plasma, confirming the presence of ctDNA in sarcoma patients. Multiplex PCR followed by amplicon sequencing was able to detect multiple tumor variants simultaneously, although it was not as sensitive as ddPCR. Additionally, ctDNA was detected in patient plasma collected at two different time points. Conclusions: This work demonstrates that although there is a lack of recurrent biomarkers, personalized assays detecting ctDNA have the potential to be used to monitor disease progression in sarcoma.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».