参与者入组与样本收集
建立发现和验证队列,收集血浆样本用于cfDNA分析。
在多个中心招募胃癌患者、良性胃病患者和健康对照,收集外周血并分离血浆。
GastroAlert: a multimodal epigenetic blood test for early detection of gastric cancer using cell-free DNA
包含发现队列和独立验证队列的病例对照研究,涉及cfDNA多模态特征(甲基化、核小体、片段化)检测及与常规蛋白标志物对比,并包含通路富集等机制分析。
胃腺癌患者血浆cfDNA 良性胃病(慢性胃炎、胃息肉、LGIN及IM)患者血浆cfDNA 健康对照血浆cfDNA
发现数据集包含53例胃癌、55例良性胃病、28例健康对照;验证数据集包含79例胃癌、40例良性胃病、30例健康对照 GastroAlert模型由甲基化、WPS和NOS三种特征整合而成,通过重复5折交叉验证构建 独立验证中GastroAlert AUC为0.965,敏感性0.898,特异性0.900 早期胃癌(I-II期)验证AUC为0.948
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立发现和验证队列,收集血浆样本用于cfDNA分析。
在多个中心招募胃癌患者、良性胃病患者和健康对照,收集外周血并分离血浆。
获取cfDNA的甲基化、核小体占用和片段化特征数据。
使用定制捕获面板对血浆cfDNA进行深度靶向酶促甲基化测序(EM-seq),平均深度超过500×,转化率>99.5%。
识别区分胃癌和非癌症对照的差异表观遗传特征。
计算甲基化分数、核小体占用分数(NOS)和保护分数(WPS),并通过单变量分析和Boruta特征选择筛选。
开发整合多模态特征的GastroAlert模型并评估其诊断性能。
使用随机森林分类器(ranger)构建模型,通过重复5折交叉验证评估性能。
验证锁定模型在独立队列中的泛化性能。
在独立验证数据集(79例胃癌、70例非癌症对照)中评估GastroAlert的AUC、敏感性、特异性。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 测序 | NovaSeq 6000 | -- | -- |
| 血清生物标志物检测 | Gi2000全自动免疫分析仪 | Beijing Strong Biotechnology, Inc. | -- |
| CA72-4检测 | CA72-4检测试剂盒 | -- | -- |
| CA19-9检测 | CA19-9检测试剂盒 | -- | -- |
| AFP检测 | AFP检测试剂盒 | -- | -- |
| CEA检测 | CEA检测试剂盒 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者招募 | 胃癌、良性胃病和健康对照的定义及排除标准,年龄和性别匹配 阅读提示:Methods 2.1 参与者入组 |
| 样本采集与处理 | 血样采集管类型、离心步骤、血浆分离方法 阅读提示:Methods 2.3 及补充文件 |
| 靶向捕获测序 | 捕获面板设计、测序深度、转化率 阅读提示:Methods 2.3 和 2.4 |
| 特征提取 | 滑动窗口参数、甲基化分数定义、WPS和NOS计算方式 阅读提示:Methods 2.5 |
| 模型构建 | 特征筛选阈值、Boruta参数、随机森林超参数 阅读提示:Methods 2.6 |
| 性能评估 | 样本量计算、统计检验方法、AUC和敏感性特异性计算 阅读提示:Methods 2.10 |