Cette étude présente un classificateur d’apprentissage automatique en ensemble empilé pour prédire le tissu d’origine des cancers à partir de l’ADN tumoral circulant (ADNtc). Le modèle intègre 11 caractéristiques multidimensionnelles de l’ADNtc, incluant des signaux génomiques, fragmentomiques, de méthylation/répétition et microbiens, obtenues par séquençage du génome entier à faible couverture. Il a démontré une performance robuste, atteignant des précisions top-1 et top-2 de 80% et 90% sur une cohorte de validation indépendante de 1 221 échantillons. Le classificateur s’est avéré efficace même avec de faibles fractions tumorales et a pu identifier le site primaire dans 73,3% des cas de cancers de primitif inconnu (CPI). Cette approche non invasive offre un potentiel significatif pour guider les décisions cliniques.
Cette étude explore l’identification de l’origine pulmonaire dans les cancers de primitif inconnu (CPI) en utilisant une approche simplifiée. Les chercheurs ont découvert que la présence de mutations de SMARCA4, combinée à un historique de tabagisme, est fortement associée aux CPI d’origine pulmonaire (CPI-Poumon). Cette combinaison offre une probabilité de 76% d’une origine pulmonaire, même en l’absence d’atteinte pulmonaire détectable. Cette méthode pourrait servir de substitut au séquençage du génome entier (WGS) pour orienter les traitements spécifiques à l’organe.
Otolaryngologia polska = The Polish otolaryngology ·
Cette étude a analysé le profil génomique de 480 patients atteints d’adénocarcinome métastatique de primitif inconnu (ACUP) en utilisant la plateforme FoundationOne CDx. Les mutations les plus fréquentes incluaient TP53, KRAS et CDKN2A. Les résultats ont révélé que les mutations de GNAS et PIK3CA étaient associées à une meilleure survie globale. En revanche, les altérations de ARID1A et NOTCH1 étaient liées à un pronostic plus défavorable. Ces découvertes soulignent l’importance des altérations génomiques spécifiques comme marqueurs pronostiques dans l’ACUP.