文献解读-液体活检-第二十期|《连续循环肿瘤DNA检测可预测肝癌患者早期复发:一项前瞻性研究》

关键词:液体活检;基因测序;变异检测;


文献简介

  • 标题(英文):Serial circulating tumor DNA to predict early recurrence in patients with hepatocellular carcinoma: a prospective study
  • 标题(中文):连续循环肿瘤DNA检测可预测肝癌患者早期复发:一项前瞻性研究
  • 发表期刊:Molecular Oncology
  • 作者单位:复旦大学中山医院等
  • 发表年份:2021
  • 文章地址:https://doi.org/10.1002/1878-0261.13105

图1 文献简介

图1 文献简介

肝细胞癌是全球第六大常见癌症,也是患者死亡的第三大常见原因。如何有效监测肝癌肝切除患者的肿瘤复发或进展,对于改善患者生存时间至关重要。该研究利用41 个患者的血浆 cfDNA、胚系DNA 以及肝癌组织 DNA 样本研究了循环肿瘤 DNA(ctDNA)在预测肝癌(HCC)患者术后早期肿瘤复发和检测肿瘤负荷方面的价值。研究结果表明,ctDNA 是一种很好的实时监测指标,可以准确反映肿瘤负荷。基线 ctDNA 的中位VAF 是肝癌患者无复发生存期(RFS)的强独立预测因子。数据分析方面,该研究中癌旁组织和肝癌组织的外显子测序数据使用 Sentieon DNAseq 模块进行比对、质控指标统计、去重复、InDel 重排及 BQSR 等,使用 Sentieon TNseq 模块进行配对样本的体细胞突变检测。


测序流程

图2 突变全景及其与预后的关联  (A)41例HCC患者的突变景观,显示每个患者的体细胞突变数量(上),每个基因的突变频率(右)。(B)ctDNA和HCC组织突变谱的比较,显示每个基因(顶部)和每个患者编号(左)的突变信息。(C)手术前复发(n = 9)和不复发(n = 32)之间的突变差异。(D)手术后复发(n = 9)和不复发(n = 32)之间的突变差异。(E)NRAS,MET和NEF2L2突变与肿瘤复发之间的关联。n = 13 表示改变组,n = 28 表示未改变组。

图2 突变全景及其与预后的关联 (A)41例HCC患者的突变景观,显示每个患者的体细胞突变数量(上),每个基因的突变频率(右)。(B)ctDNA和HCC组织突变谱的比较,显示每个基因(顶部)和每个患者编号(左)的突变信息。(C)手术前复发(n = 9)和不复发(n = 32)之间的突变差异。(D)手术后复发(n = 9)和不复发(n = 32)之间的突变差异。(E)NRAS,MET和NEF2L2突变与肿瘤复发之间的关联。n = 13 表示改变组,n = 28 表示未改变组。

图3  基线ctDNA的突变中位VAF与肿瘤复发和临床参数之间的关联。 (A)不同复发状态患者术前ctDNA的中位VAF分布(复发组n = 13,无复发组n = 28)。(B)术前ctDNA中位VAF的Kaplan-Meier分析。(C)基线 AFP 水平正常患者术前 ctDNA VAF 中位数的 Kaplan-Meier 分析。(D)无MVI患者术前ctDNA中位VAF的Kaplan-Meier分析。

图3 基线ctDNA的突变中位VAF与肿瘤复发和临床参数之间的关联。 (A)不同复发状态患者术前ctDNA的中位VAF分布(复发组n = 13,无复发组n = 28)。(B)术前ctDNA中位VAF的Kaplan-Meier分析。(C)基线 AFP 水平正常患者术前 ctDNA VAF 中位数的 Kaplan-Meier 分析。(D)无MVI患者术前ctDNA中位VAF的Kaplan-Meier分析。

图4 Sentieon的作用

图4 Sentieon的作用

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。 截至2023年3月份,Sentieon已经在全球范围内为1300+用户提供服务,被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用,引用次数超过700篇。此外,Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠,在业内获得广泛认可。


文献讨论

图5 文献讨论

图5 文献讨论

ctDNA在癌症(包括HCC)临床中具有变革潜力,能无创监测突变进展,预测复发和预后。但在HCC中,ctDNA突变检测仍面临挑战,与其他癌症相比存在局限性。尽管传统临床病理特征如组织学分级、肿瘤大小等被用于预测复发,基因组特征潜力巨大,但不同研究方法和基因面板导致结果不一致,需进一步探索。


总结

综上所述,ctDNA是一种精确的动态肿瘤生物标志物,可以实时反映HCC患者的肿瘤负荷。该研究证明了ctDNA检测和VAF检测可以作为治疗前早期复发的预后因素。此外,研究者观察到NRAS,MET和NFE2L2基因突变可能预测早期肿瘤复发。串联ctDNA分析结合肿瘤组织基因组测序可以为预测和监测肿瘤复发提供精确的信息,并有助于优化个体化的多模式治疗策略。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/843570.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

uniapp判断h5/微信小程序/app端+实战展示

文章目录 导文使用条件编译的基本语法常见的平台标识符示例实战展示使用场景举例注意事项 导文 这里是导文 当你在开发Uni-app时,需要根据不同的平台(比如App端、H5端、微信小程序等)来执行不同的代码逻辑,可以使用条件编译来实现…

[PM]数据分析

概览 数据的定义 运营数据 分析的目的 数据分析流程 1.明确目标 2.数据来源 3.采集数据 4.数据整理 5.数据分析 趋势分析 当数据出现异常,一般从3个角度去查找问题: 1.技术层面,是不统计出错,或者产品出现bug 工 2.产品层面&am…

SCI一区级 | Matlab实现SSA-CNN-GRU-Multihead-Attention多变量时间序列预测

目录 效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.【SCI一区级】Matlab实现SSA-CNN-GRU-Multihead-Attention麻雀算法优化卷积门控循环单元融合多头注意力机制多变量时间序列预测,要求Matlab2023版以上; 2.输入多个特征,输出单个…

Navicat 17 for Mac 数据库管理软件

Mac分享吧 文章目录 效果一、准备工作二、开始安装1. 双击运行软件,将其从左侧拖入右侧文件夹中,等待安装完毕。2. 应用程序/启动台显示Navicat图标,表示安装成功。 二、运行测试运行后提示:“Navicat Premium.pp”已损坏&#x…

实战打靶集锦-31-monitoring

文章目录 1. 主机发现2. 端口扫描3. 服务枚举4. 服务探查4.1 ssh服务4.2 smtp服务4.3 http/https服务 5. 系统提权5.1 枚举系统信息5.2 枚举passwd文件5.3 枚举定时任务5.4 linpeas提权 6. 获取flag 靶机地址:https://download.vulnhub.com/monitoring/Monitoring.o…

网络安全常用易混术语定义与解读(Top 20)

没有网络安全就没有国家安全,网络安全已成为每个人都重视的话题。随着技术的飞速发展,各种网络攻击手段层出不穷,保护个人和企业的信息安全显得尤为重要。然而,在这个复杂的领域中,许多专业术语往往让人感到困惑。为了…

嵌入式人工智能(10-基于树莓派4B的DS1302实时时钟RTC)

1、实时时钟(Real Time Clock) RTC,全称为实时时钟(Real Time Clock),是一种能够提供实时时间信息的电子设备。RTC通常包括一个计时器和一个能够记录日期和时间的电池。它可以独立于主控芯片工作&#xff…

飞睿智能毫米波雷达静止目标识别,酒店智能灯控人体感应传感器,呼吸探测感应器

在这个日新月异的智能时代,科技的每一次跃进都在悄然改变着我们的生活。今天,让我们一同探索一项前沿技术——飞睿智能毫米波雷达在酒店智能灯控领域的创新应用,它如何以“呼吸探测”这一微妙而精准的方式,重新定义酒店住宿的舒适…

给定一整数数组,其中有p种数出现了奇数次,其他数都出现了偶数次,怎么找到这p个数?

给定一长度为m的整数数组 ,其中有p种不为0的数出现了奇数次,其他数都出现了偶数次,找到这p个数。 要求:时间复杂度不大于O(n),空间复杂度不大于O(1)。 由于时间复杂度不大于O(n),则不能在遍历数组中嵌套遍…

level 6 day2-3 网络基础2---TCP编程

1.socket(三种套接字:认真看) 套接字就是在这个应用空间和内核空间的一个接口,如下图 原始套接字可以从应用层直接访问到网络层,跳过了传输层,比如在ubtan里面直接ping 一个ip地址,他没有经过TCP或者UDP的数…

vscode 文件颜色变绿色

解决:关闭git功能 在设置中搜索Git:Enabled,取消Decorations: Enabled的勾选

Flutter中GetX的用法(超详细使用指南之路由依赖管理篇)

目录 1.前言 2.GetX 依赖管理概述 1.GetX 依赖管理的基本概念 2.与其他依赖管理工具的比较 3. 基础依赖注入 1.Get.put 2.Get.lazyPut 3.Get.putAsync 4.高级依赖注入 1.使用Get.create 2.依赖生命周期管理 5. 参考资料 1.前言 今天这篇博客主要介绍Getx的三大功能…

视频翻译保留原音色pyvideotrans+clone-voice

剪映的视频翻译时长限制5分钟以内,需要积分2700首次有减免大概21.6元(1秒9积分/1元100积分) • 视频翻译配音工具pyvideotrans 将视频从一种语言翻译为另一种语言,并添加配音 打包链接:夸克网盘分享 升级补丁&#…

lse:一款专为渗透测试和CTF设计的Linux枚举工具

关于linux-smart-enumeration linux-smart-enumeration是一款专为渗透测试和CTF设计的Linux枚举工具,该工具可以帮助广大研究人员收集与本地Linux系统安全相关的信息。 工具特性 该工具从2.0版本开始符合POSIX标准,并且经过了shellcheck和posh测试。它…

太速科技-基于XCVU9P+ C6678的8T8R的无线MIMO平台

基于XCVU9P C6678的8T8R的无线MIMO平台 一、板卡概述 板卡基于TI TMS320C6678 DSP和XCVU9P高性能FPGA,FPGA接入4片AD9361 无线射频,构建8输入8输出的无线MIMO平台,丰富的FPGA资源和8核DSP为算法验证和信号处理提供强大能力。 二…

解决显存不足问题:深度学习中的 Batch Size 调整【模型训练】

解决显存不足问题:深度学习中的 Batch Size 调整 在深度学习训练中,显存不足是一个常见的问题,特别是在笔记本等显存有限的设备上。本文将解释什么是 Batch Size,为什么调整 Batch Size 可以缓解显存不足的问题,以及调…

【开发踩坑】 MySQL不支持特殊字符(表情)插入问题

背景 线上功能报错: Cause:java.sql.SQLException:Incorrect string value:xFO\x9F\x9FxBO for column commentat row 1 uncategorized SQLException; SQL state [HY000]:error code [1366]排查 初步觉得是编码问题(utf8 — utf8mb4) 参考上…

昇思25天学习打卡营第17天|LLM-基于MindSpore的GPT2文本摘要

打卡 目录 打卡 环境准备 准备阶段 数据加载与预处理 BertTokenizer 部分输出 模型构建 gpt2模型结构输出 训练流程 部分输出 部分输出2(减少训练数据) 推理流程 环境准备 pip install -i https://pypi.mirrors.ustc.edu.cn/simple mindspo…

Web前端Promise

Promise介绍与使用 Promise是什么? 1.抽象表达: Promise是一门新的技术(ES6规范)Promise是JS中进行异步编程的新解决方案备注:旧方案是单纯使用回调函数 2.具体表达: 从语法上来说:Promise…

多层全连接神经网络(六)---各种优化算法的变式

梯度下降算法原理此处不做过多说明 梯度下降法的变式 1. SGD 随机梯度下降法是梯度下降法的一个小变形,就是每次使用一批(batch)数据进行梯度的计算,而不是计算全部数据的梯度,因为现在深度学习的数据量都特别大,所以每次都计算…