Enhancing the sensitivity of non-invasive cervical cancer detection using CpG methylation haplotype profiling
Notice bibliographique
Résumé
DNA methylation is a critical epigenetic modification that regulates gene expression and plays a significant role in cancer development. This methylation signature can be detected in cancer-derived DNA from non-invasive samples, such as plasma, urine or Pap smears. However, in early-stage cancers-when detection is most critical-the concentration of cancer DNA is often low, limiting the sensitivity of current detection methods. Traditional DNA methylation detection techniques, which rely on methylation ratio-based measurements, may obscure subtle variations in methylation patterns, further reducing detection sensitivity. In this study, we analyzed cervical scraping specimens and examined whether detecting cancer-specific methylation patterns in cervical cancer could be enhanced using a Highly Methylated Haplotype (HMH) approach. This novel approach captures highly methylated haplotypes at single-molecule resolution using next-generation sequencing, providing greater detail than conventional methods. HMHs in specific DNA regions are a hallmark of cancer and stand out in contrast to sporadic methylation commonly observed in non-cancerous tissues. We applied HMH profiling to a gene panel of four biomarkers (CA10, DPP10, FMN2, and HAS1) previously validated in cervical cancer studies. At pre-specified cutoffs (99th percentile of normals), haplotype-based scoring achieved 89.9% sensitivity for invasive cancer at high specificity (~ 94-98%), outperforming median (78.0%) and single-CpG (71.6%) methods. For clinically relevant endpoints, the combined panel detected 51-52% of CIN2 + and 66-67% of CIN3 + cases, again exceeding the performance of median- and single-CpG-based scoring methods.These findings demonstrate the potential of HMH to substantially enhance sensitivity in cervical cancer detection, offering a promising approach for non-invasive diagnostics.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».