Comparison and Optimization of DNA Extraction Methods from Cervical Cells Collected in ThinPrep® PreservCyt
Bibliographic record
Abstract
O cancro do colo do útero é o nono cancro mais incidente nas mulheres em Portugal. O rastreio desta neoplasia tem evoluído desde a citologia convencional até à deteção do Vírus do Papiloma Humano em colpocitologia cervico-vaginal em meio líquido. Atualmente, novos marcadores biomoleculares, como alterações na metilação do ácido desoxirribonucleico (DNA), têm sido estudados como meio de triagem de mulheres infetadas pelo Vírus do Papiloma Humano. O objetivo deste estudo foi otimizar e comparar três métodos de extração de DNA para análise da metilação. Extraiu-se DNA de dezasseis amostras de colpocitologia, colhidas em ThinPrep® PreservCyt™, através do método fenol-clorofórmio e dos kits QIAamp® MinElute™ Media (QIAGEN, Hilden) e Blood DNA Isolation Mini Kit(Norgen Biotek, Ontario). Após quantificação, o DNA foi modificado por bissulfito de sódio e amplificado por Reação em Cadeia da Polimerase Quantitativa de Metilação Específica para o gene β-Actina. Os valores médios de Cycle threshold (Ct) foram avaliados.O método fenol-clorofórmio teve maior input, e consequentemente conferiu maior quantidade de DNA. Com 15mL de amostra obteve-se 13500ng pelo método fenol-clorofórmio enquanto com 2mL de amostra se obteve 8940ng do kit QIAamp® MinElute™ Media e 927ng do Blood DNA Isolation Mini Kit. Contudo, os kits apresentaram maior eficácia de extração, bem como maior rapidez e facilidade de execução. Não se verificaram diferenças significativas entre os valores médios de Ct de cada método de extração nem entre amostrasarmazenadas durante dez ou catorze meses. Concluindo, os três métodos permitiram obter DNA para amplificação mas a otimização dos kits de extração revelou-se ser a opção mais vantajosa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.000 | 0.005 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".