Аналитические характеристики геномного классификатора ThyroSeq v3 для диагностики рака в узлах щитовидной железы
Analytical performance of the ThyroSeq v3 genomic classifier for cancer diagnosis in thyroid nodules
2018-01-18
SCID: 54.1/5p49uphb
Discuss with AI
геномный классификатор ThyroSeq v3тонкоигольная аспирационная биопсиямолекулярные изменениясеквенирование нового поколениядиагностика рака узлов щитовидной железы
Figures from the paper
Abstract (AI)
ОБОСНОВАНИЕ: Молекулярные тесты имеют клиническую ценность при исследовании узлов щитовидной железы с неопределёнными результатами цитологического исследования материала тонкоигольной аспирационной биопсии (ТАБ), хотя их характеристики требуют дальнейшего улучшения. В данном исследовании оценивали аналитические характеристики недавно разработанного теста ThyroSeq v3. МЕТОДЫ: ThyroSeq v3 представляет собой метод секвенирования нового поколения на основе ДНК и РНК, анализирующий 112 генов на наличие различных генетических изменений, включая точечные мутации, вставки/делеции, генные слияния, изменения числа копий и аномальную экспрессию генов; для дифференциации злокачественных и доброкачественных образований используется геномный классификатор (GC). Метод был валидирован на 238 образцах тканей и 175 образцах, полученных при ТАБ, для которых имелись данные хирургического наблюдения. Были проведены исследования аналитических характеристик. РЕЗУЛЬТАТЫ: В обучающей выборке образцов тканей геномный классификатор ThyroSeq выявил более 100 генетических изменений, включая мутации BRAF, RAS, TERT и DICER1, слияния NTRK1/3, BRAF и RET, потерю участка 22q и изменения экспрессии генов. Были установлены пороговые значения GC для дифференциации рака и доброкачественных узлов; чувствительность составила 93,9%, специфичность — 89,4%, точность — 92,1%. Метод правильно классифицировал большинство папиллярных, фолликулярных и онкоцитарных образований, медуллярных карцином щитовидной железы и образований околощитовидных желёз. В валидационной выборке образцов ТАБ чувствительность GC составила 98,0%, специфичность — 81,8%, точность — 90,9%. Исследования аналитической точности показали, что минимально необходимое количество нуклеиновой кислоты составляет 2,5 нг, минимально допустимое содержание опухолевых клеток — 12%, а результаты теста воспроизводимы при различных стрессовых условиях. ВЫВОДЫ: Геномный классификатор ThyroSeq v3 анализирует 5 различных классов молекулярных изменений и обеспечивает высокую точность выявления всех распространённых типов рака щитовидной железы и образований околощитовидных желёз. Аналитические чувствительность, специфичность и устойчивость теста успешно валидированы, что свидетельствует о его пригодности для клинического применения. Cancer 2018;124:1682-90. © 2018 American Cancer Society.
Key Findings
1
Аналитические исследования показали надежную работу при минимальном входном количестве нуклеиновой кислоты 2,5 нг, минимальном содержании опухолевых клеток 12% и воспроизводимости при различных стрессовых условиях.
2
В образцах, полученных методом тонкоигольной аспирации, классификатор достиг чувствительности 98,0%, специфичности 81,8% и точности 90,9% при валидации по хирургическим данным.
3
В тканевых образцах установленные пороговые значения классификатора обеспечили чувствительность 93,9%, специфичность 89,4% и точность 92,1% при различении злокачественных и доброкачественных узлов.
4
Геномный классификатор выявлял разнообразные изменения, включая мутации BRAF, RAS, TERT и DICER1, генные слияния, потери числа копий и нарушения экспрессии генов.
5
ThyroSeq v3 представляет собой ДНК- и РНК-секвенирующий тест нового поколения, анализирующий 112 генов и пять классов молекулярных изменений.
Research Object
Геномный классификатор ThyroSeq v3, применяемый к образцам ткани узлов щитовидной железы и тонкоигольной аспирации
Research Subject
Аналитические характеристики, диагностическая точность, чувствительность, специфичность, воспроизводимость и устойчивость при дифференциации злокачественных и доброкачественных поражений щитовидной и околощитовидных желез
Publication Details
Publication Date
2018-01-18
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest