Clinical evaluation of the CrossNN DNA methylation classifier for central nervous system tumors
研究基于205例回顾性样本及41例前瞻性样本，通过CrossNN与Heidelberg分类器比较，包含功能验证（分类性能评估）及机制探索（如组织学复核），但未涉及体外或动物模型，证据层级相对单一。
205例福尔马林固定石蜡包埋（FFPE）中枢神经系统肿瘤样本 41例独立验证队列FFPE样本
样本类型为FFPE组织，肿瘤细胞含量范围为10%-95% DNA甲基化数据采用Illumina Human Methylation 930k EPIC v2 BeadChip芯片生成 CrossNN分类器的置信度阈值设定为≥0.4 Heidelberg分类器的置信度阈值设定为≥0.9为可信，0.3-＜0.9为不可信 WHO CNS5（2021）肿瘤类型水平的诊断作为参考标准，由两位神经病理学家整合组织学和分子结果确定
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。
建立用于分类器评估的回顾性队列并生成全基因组DNA甲基化数据。
收集2024年8月至2026年6月在安特卫普大学医院常规诊断中连续进行甲基化分析的FFPE中枢神经系统肿瘤样本。使用QIAamp DNA Mini QIAcube Kit提取DNA，经亚硫酸氢盐转换和DNA修复后，使用Illumina Infinium MethylationEPICv2 BeadChip和iScan设备生成全基因组DNA甲基化谱。
获取每个样本的Heidelberg分类器预测结果，用于与CrossNN比较。
将配对原始强度阵列文件通过epignostix.com使用当前版本的Heidelberg分类器（v.12.8）处理，获得预测的甲基化（超级）家族和（子）类以及校准分数。
使用CrossNN分类器对每个样本进行预测，以评估其独立性能。
原始强度阵列文件在R中使用minfi包处理，生成β值，并按Yuan等人的方法进行二值化。使用CrossNN脑肿瘤模型（2024年1月23日版本）处理二值化矩阵，获得预测列表及置信度分数。
评估CrossNN与Heidelberg分类器的性能、一致性和互补性。
以整合病理诊断作为参考标准，将分类器输出统一到WHO CNS5（2021）肿瘤类型水平。使用准确性、置信度、一致性和非劣效性检验等指标进行比较。进一步评估并行和顺序诊断工作流程。
在独立队列中验证所提出的诊断工作流程的临床适用性。
在41个独立样本中，同时应用Heidelberg和CrossNN分类器，评估并行和顺序工作流程的性能。
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 |
|---|---|---|---|
| DNA提取 | QIAamp DNA Mini QIAcube试剂盒 | Qiagen | -- |
| DNA定量 | Qubit dsDNA BR检测试剂盒 | Thermo Fisher Scientific | -- |
| 亚硫酸氢盐转换 | EpiTect快速亚硫酸氢盐转换试剂盒 | Qiagen | -- |
| DNA修复 | Infinium HD FFPE DNA修复试剂盒 | Illumina | -- |
| DNA甲基化芯片分析 | Illumina Infinium MethylationEPICv2 BeadChip芯片 | Illumina | -- |
| 芯片扫描 | iScan扫描仪 | Illumina | -- |
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 |
|---|---|
| 样本选择 | 样本类型为FFPE组织；样本连续收集自2024年8月至2026年6月；参考诊断由经验丰富的神经病理学家根据WHO CNS5（2021）确定。 阅读提示：见2.1 样本选择 |
| DNA提取和甲基化谱生成 | 使用QIAamp DNA Mini QIAcube Kit提取DNA；亚硫酸氢盐转换使用EpiTect Fast Bisulfite Conversion Kits；使用Infinium HD FFPE DNA Restore Kit进行DNA修复；使用Illumina Infinium MethylationEPICv2 BeadChip和iScan设备生成甲基化谱；所有步骤遵循制造商方案并适配FFPE样本。 阅读提示：见2.2 DNA提取和甲基化谱 |
| Heidelberg分类器预测 | 使用Heidelberg分类器v.12.8；处理配对原始强度阵列文件；校准分数≥0.9被视为可信，0.3至＜0.9为不可信，<0.3为非信息性。 阅读提示：见2.3 Heidelberg分类器预测 |
| CrossNN预测 | 使用R v.4.4.1和minfi包（v.1.52.1）处理数据；β值按阈值0.6二值化；使用CrossNN脑肿瘤模型（版本2024年1月23日）；置信度≥0.4被视为可信。 阅读提示：见2.4 CrossNN预测 |
| 结果比较 | 分类器输出统一到WHO CNS5（2021）肿瘤类型水平；使用整合病理诊断作为参考标准；非劣效性界值为-3%；统计显著性水平p≤0.05。 阅读提示：见2.5 数据分析 |
