בדיקת ריצוף רקמה - NGS Solid Plus
ריצוף DNA
+ 1600 גנים ב RNA
HRD + PD-L1 + TMB + MSI +
FOLR1 (IHC)
במעבדת GTC, קליפורניה, ארה"ב
מאושרת תקני CLIA וCAP, התקנים המחמירים הנדרשים ע"פ הFDA
בדיקה מהירה ומקיפה עם דרישות דגימה מינימליות הכוללת ריצוף DNA ופאנל RNA רחב של 1,600 גנים המסייע בקבלת
כ-23% יותר ממצאים גנומיים (ביחס לבדיקת DNA בלבד).
הבדיקה מספקת המלצות לטיפולים ביולוגים ואימונותרפיים, מאושרי FDA או מחקריים, טיפולים שאינם יעילים, והפניה למחקרים קליניים.
*דרישות דגימה מינימליות ועומק קריאה גבוה במיוחד של 2,000X – 3,000X חזרות
*זמן לתוצאות כ – 10 ימי עבודה מרגע הגעת הדגימה למעבדה
נתונים עיקריים של בדיקת GTC – Solid Plus
- ריצוף DNA של 434 גנים לכל סוגי השינויים הגנומיים, בכיסוי כל האקסונים.
- ריצוף RNA של מעל 1,600 גנים לאיתור ביומרקרים פרוגנוסטיים, ביומרקרים המסייעים בבחירת אסטרטגיית טיפול וצפי תגובה לטיפול.
- בדיקת התאמה לאימונותרפיה – בדיקת מדדי אימונותרפיה TMB, MSI (ביטוי של PD-L1 נבדק ב-RNA וקיימת אפשרות לבדוק גם ב-IHC).
- בדיקת HRD/HRR - לאיתור מוטציות הקשורות לתיקון ל-DNA.
- קריוטיפ לאבחון שינויים במספר עותקים וזיהוי ומחיקה של מקטעי כרומוזומים.
- בדיקת ביטוי של FOLR1 ברקמת הגידול - צביעה אימונוהיסטוכימית (IHC) המבוצעת על רקמת הגידול להתאמת טיפול בתרופה מירבטוקסימאב.
- איתור שינויים בגן DPYD לצורך התאמת מינון בתרופה 5FU/קסלודה.
- אבחון מקור הגידול באמצעות ריצוף RNA ושימוש בבינה מלאכותית (AI) מתקדמת המבדילה בין 45 אבחנות של גידולים סולידיים והמטולוגיים ראה פרסום ב - American Journal of Pathology.
- בדיקת מתילציית MGMT- בשיטת Dp-qMSP - השיטה המומלצת בהנחיות ה NCCN.
- אנליזת T & B Cell clonality –המסייעת בחיזוי התנהגות הגידול.
- איפיון HLA – להתאמה למחקרים וכפרדיקציה לתגובה לטיפול אימונותרפי.
- דיוק מקסימלי – ריצוף היברידי, עומק קריאה – 2000X - 3000X חזרות.
- דרישות דגימה מינימליות – ריצוף מלא על סלייד אחד בגודל של גרגיר אורז.
- תוצאות מהירות – כ- 10 ימי עבודה מרגע הגעת הדגימה למעבדה.
- רגישות הבדיקה –LoD (Limit of Detection) = 1% for hotspots and 3% for non-hotspots, במקרים בהם ידוע מקור הגידול ויש היסטוריה אונקולוגית מוקדמת- LoD = 0.001%.
- הפקת תוצאות הבדיקה – QNS<1%
- דוח ברור ליישום מהיר –סיווג ממצאים לפי רמת החשיבות שלהם בהתאם להנחיות הארגון האמריקאי לפתולוגיה (CAP), מידע על טיפולים שאינם יעילים והפנייה למחקרים קליניים.
- בינה מלאכותית – מערכת AI מאפשרת אבחון מדוייק ומידע משפר את היישימות של הממצאים הגנומיים.
מידע מקצועי
- מידע על מייסד החברה, ד"ר אלביטאר
- מאמר המציג את היעילות של שימוש בבינה מלאכותית לאבחון וסיווג של 45 סוגי גידולים (The American Journal of Pathology)
- בדיקת ביטוי HER2 בריצוף RNA ותגובת חולות שד לטיפול (AACR,2023)
- פרסום המציג יכולת ניבוא של סטטוס PD-L1 בגידולים מוצקים באמצעות ריצוף טרנסקריפטום ואלגוריתמים של בינה מלאכותית (AACR,2023)
- Homologous Recombination Abnormalities Associated With BRCA1/2 Mutations as Predicted by Machine Learning of Targeted Next-Generation Sequencing Data (Breast Cancer: Basic and Clinical Research, 2023)
- HLA Gene May Predict if Cancer Immunotherapy Will Work (NCI 2022)
- Differential Diagnosis of Hematologic and Solid Tumors Using Targeted Transcriptome and AI (American Journal of Pathology, 2023)
- Clinical validation of a novel quantitative assay for the detection of MGMT methylation in glioblastoma patients (Clinical Epigenetics 2021)
- Predicting PD-L1 Status in Solid Tumors Using Transcriptomic Data and Artificial Intelligence Algorithms ( Journal of Immunotherapy 2023)
- Adjuvant chemoradiotherapy versus radiotherapy alone in women with high-risk endometrial cancer (PORTEC-3)
