使用NanoString nCounter平台对ATRT分子子组进行快速,经济的诊断分类

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 分子生物学分子生物学

背景情况:

• 非典型的形形形瘤 (ATRT) 呈现出明显的分子子组.
• 由于标记物稀缺和高成本,ATRT的临床分组具有挑战性.
• 在临床实践中存在需要可靠的ATRT分子分层.

研究的目的:

• 开发一种可靠且适用于临床的ATRT分子分层方法.
• 为ATRT分组创建一个具有成本效益和准确的测定方法.

主要方法:

• 使用NanoString nCounter和机器学习开发了一种ATRT子组预测试验.
• 使用71个具有基因表达和NanoString数据的初级ATRT瘤构建了一个整体分类器.
• 在一个独立的数据集上验证了分类器,并与DNA甲基化分类进行了比较.

主要成果:

• 整体分类器在验证中实现了93.6%的整体准确性,高预测得分样本达到98.9%.
• 所有分析的额外骨形瘤都被归类为MYC亚组.
• 与DNA甲基化分类相比,观察到高一致性 (84.5%至95.8%).

结论:

• 提出了一种快速,经济高效,准确的ATRT分组测定方法.
• 该试验适合临床实施.
• 这种方法有助于改进ATRT分层.