Abstract B027: iSIGN panel identifies germ cell tumors via whole-proteome phage immunoprecipitation sequencing
Notice bibliographique
Résumé
Abstract Purpose: Germ cell tumors (GCTs) pose significant diagnostic challenges due to the limited sensitivity and specificity of current tumor markers. Hereby we utilize phage immunoprecipitation sequencing (PhIP-Seq) technique to develop a unique immunosignature panel (iSIGN) with high sensitivity and specificity to improve the diagnosis and differentiation of GCTs. Patients and Methods: Serum samples from patients with confirmed gonadal or extragonadal GCTs and controls were collected from Mayo Clinic repositories. Controls included benign testicular lesions, autoimmune diseases, neurodegenerative disorders, and other cancers. Samples were randomized into development and validation cohorts. PhIP-Seq identified antigen-autoantibody interactions, and enrichment scores were calculated to develop a biomarker panel distinguishing GCT from non-GCT cases. A second biomarker panel was developed to predict seminoma from nonseminoma cases. Results: A total of 427 serum samples were analyzed, including 150 from GCT patients and 277 controls. For our primary model to distinguish GCT cases (GCT-iSIGN), 24 peptides from 16 antigens were identified based on significant differential autoantibody binding enrichment in GCT patients (p < 0.05), ≥2 peptides per antigen, and enrichment scores ≥ 2.5-fold. GCT-iSIGN was highly sensitive (93%) and specific (99%) for identifying GCT cases from controls with an area under curve (AUC) of 0.93 and 9% Unknown Case Rate (UCR). The secondary panel (Sem-iSIGN) included 17 peptides corresponding to 5 unique proteins with high specificity (93%), moderate sensitivity (65%) and AUC of 0.77 to distinguish seminoma from nonseminoma GCT cases. Conclusion: This study demonstrates the potential use of PhIP-Seq to identify unique immunosignature panels that can serve as reliable biomarkers for GCT. These panels address the limitations of traditional markers and other proteomic techniques. This immunosignature model represents a cost-effective, stable, and scalable approach to enhancing GCT diagnosis and management. Citation Format: M Bakri Hammami, Andrew Knight, Haidara Kherbek, Brian Costello, Silvana De Lorenzo, Bradley C. Leibovich, John C. Cheville, Yong Guo, Jessica Sagen, Janet E. Olson, Alicia Algeciras-Schimnich, Sean J. Pittock, John R. Mills, Surendra Dasari, Divyanshu Dubey. iSIGN panel identifies germ cell tumors via whole-proteome phage immunoprecipitation sequencing [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Mechanisms of Cancer Immunity and Cancer-related Autoimmunity; 2025 Sep 24-27; Montreal, QC, Canada. Philadelphia (PA): AACR; Cancer Immunol Res 2025;13(9 Suppl):Abstract nr B027.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».