Abstract Liquid biopsy enables identification of low allele frequency (AF) tumor variants and novel clinical applications such as minimum residual disease (MRD) monitoring. However, challenges remain, primarily due to limited sample volume and low read count of low-AF variants. Because of the low AFs, some clinically significant variants are difficult to distinguish from errors introduced by PCR amplification and sequencing. Unique Molecular Identifiers (UMIs) have been developed to further reduce base error rates and improve the variant calling accuracy, which enables better discrimination between background errors and real somatic variants. While multiple UMI-aware ctDNA analysis pipelines have been published and adopted, their accuracy and runtime efficiency could be improved. In this study, we present the Sentieon ctDNA pipeline, a fast and accurate solution for small somatic variant calling from ctDNA sequencing data. The pipeline consists of four core modules: alignment, consensus generation, variant calling, and variant filtering. We benchmarked the ctDNA pipeline using both simulated and real datasets, and found that the Sentieon ctDNA pipeline is more accurate than alternatives.

Abstract Plasma cell-free DNA (cfDNA) methylation and fragmentation signatures have been shown to be valid biomarkers for blood-based cancer detection. However, conventional methylation sequencing assays are inapplicable for fragmentomic profiling due to bisulfite-induced DNA damage. Here using enzymatic conversion-based low-pass whole-methylome sequencing (WMS), we developed a novel approach to comprehensively interrogate the genome-wide plasma methylation, fragmentation, and copy number profiles for sensitive and noninvasive multi-cancer detection. With plasma WMS data from a clinical cohort comprising 497 healthy controls and 780 patients with both early- and advanced-stage cancers of the breast, colorectum, esophagus, stomach, liver, lung, or pancreas, genomic features including methylation, fragmentation size, copy number alteration, and fragment end motif were extracted individually and subsequently integrated to develop an ensemble cancer classifier, called THEMIS, using machine learning algorithms. THEMIS outperformed individual biomarkers for differentiating cancer patients of all seven types from healthy individuals and achieved a combined area under the curve value of 0.971 in the independent test cohort, translating to a sensitivity of 86% and early-stage (I and II) sensitivity of 77% at 99% specificity. In addition, we built a cancer signal origin classifier with true-positive cancer samples at 100% specificity based on methylation and fragmentation profiling of tissue-specific accessible regulatory elements, which localized cancer-like signal to a limited number of clinically informative sites with 66% accuracy. Overall, this proof-of-concept work demonstrates the feasibility of extracting and integrating multi-modal biomarkers from a single WMS run for noninvasive detection and localization of common cancers across stages.

Pathogen identification is critical for the proper diagnosis and precise treatment of infective endocarditis (IE). Although blood and valve cultures are the gold standard for infective endocarditis pathogen detection, many cases were culture-negative, especially in patients who had received long term antibiotics treatment, which has become a major challenge of its diagnosis in clinic. Metagenomic sequencing can provide both pathogen strain information and antibiotics susceptibility profiles of patient samples without culturing, offering a powerful method to deal with culture-negative cases. In this work, we assessed the feasibility of metagenomic approach to detect causative pathogens in resected valves from IE patients.

The quasi-steady diffusiophoresis of a soft particle composed of an uncharged hard sphere core and a uniformly charged porous surface layer in a concentric charged spherical cavity full of a symmetric electrolyte solution with a concentration gradient is analyzed. By using a regular perturbation method with small fixed charge densities of the soft particle and cavity wall, the linearized electrokinetic equations relevant to the fluid velocity field, electric potential profile, and ionic concentration distributions are solved. A closed-form formula for the diffusiophoretic (electrophoretic and chemiphoretic) velocity of the soft particle is obtained as a function of the ratios of the core-to-particle radii, particle-to-cavity radii, particle radius to the Debye screening length, and particle radius to the permeation length in the porous layer. In typical cases, the confining charged cavity wall significantly influences the diffusiophoresis of the soft particle. The fluid flow caused by the diffusioosmosis (electroosmosis and chemiosmosis) along the cavity wall can considerably change the diffusiophoretic velocity of the particle and even reverse its direction. In general, the diffusiophoretic velocity decreases with increasing core-to-particle radius ratios, particle-to-cavity radius ratios, and the ratio of the particle radius to the permeation length in the porous layer, but increases with increasing ratios of the particle radius to the Debye length.

ABSTRACT Microsatellite instability (MSI) is a well-established prognostic and predictive biomarker in certain types of cancers. MSI detection using tumour tissue is often limited by the availability of specimens. Next generation sequencing (NGS)-based MSI detection in plasma cell-free DNA (cfDNA) is challenged by a much lower signal-to-noise ratio. We developed a highly accurate cfDNA MSI detection method called bMSI-CAST (blood MSI Caller Adjusted with Sequence duplicaTes), with improvement on three features including a set of locus selection principles ensuring loci with high robustness and compatibility across sequencing platforms, an MSI-specific duplicate removal strategy, and a calling algorithm that dynamically matches baselines with a broad range of duplication levels. Analytical validation via MSI-high (MSI-H) cell gDNA showed an LOD of 0.15%. Furthermore, in an analysis of 95 evaluable cfDNA samples from patients with gastrointestinal cancers, bMSI-CAST exhibited a positive predictive agreement (PPA) of 92.9% (39/42) and negative predictive agreement (NPA) of 100% (53/53) with tissue MSI-PCR. In conclusion, bMSI-CAST provides novel and advanced solutions to key aspects fundamental to cfDNA MSI calling but not sufficiently addressed by existing methods, and it is a validated method ready to be applied to aid clinical decisions for cancer patients.

e15623 Background: Circulating tumor DNA (ctDNA) serves as a valuable tool for minimal residual disease (MRD) assessment. It has been reported as a promising noninvasive biomarker for the dynamic monitoring of treatment response of metastatic colorectal cancers to chemotherapy and locally advanced rectal cancers (LARC) to neoadjuvant chemoradiotherapy. However, the potential role of ctDNA in neoadjuvant chemotherapy (NCT) in LARC remains unexplored. The present study aims to investigate the value of ctDNA in NCT based on a prospective, multicentered, non-inferior, randomized, controlled trial (ClinicalTrials.gov ID, NCT04922853). The COPEC trial enrolls stage 2/3 LARC with low or intermediate and is designed to determine the optimal time (after 2 or 4 cycles of CAPOX) to evaluate treatment response based on pathological regression grades. Methods: Colonoscopy biopsy was taken before neoadjuvant therapy. Peripheral blood samples were collected before neoadjuvant (baseline, BL), one cycle (C1) and two cycles (4-cycle group, C2) after NCT, before surgery (BS), and within one month after surgery (postoperative, OP). All tissue biopsy and plasma specimens were analyzed by NGS assays using the MinerVA platform (Genecast Biotechnology Co., Ltd). MRI tumor regression grade (mrTRG) was assessed after 2 and 4 cycles (4-cycle group) of NCT. The primary outcome was the accuracy of ctDNA in the prediction of pathological tumor regression grade (pTRG). Results: A total of 151 LARC patients were enrolled, including 82 in the 2-cycle group and 69 in the 4-cycle group. The ctDNA was detectable in 87.4% (132/151), 39.6% (55/139), 29.0% (18/62), 38.4% (58/151), and 4.4% (6/138) at BL, C1, C2, BS and OP, respectively. The ctDNApositivity rates were significantly lower in good responders determined by mrTRG (mrTRG 1-3) compared to mrTRG 4-5 group at C1 (29% vs. 63.89%, p < 0.001), C2 (20% vs.56.25%, p = 0.011), and BS time points (23.85% vs. 74.36%, p < 0.001). Furthermore, the ctDNA-positivity rates at C1 in the good response group determined by TRG (pTRG 0-1) were 6.25%, significantly lower than that in the pTRG 2-3 group (49.53%). At neither C2 nor BS time point, patients in the pTRG 0-1 subgroup were detected as ctDNA positive while the ctDNA positivity rates for patients in pTRG 2-3 subgroup were 39.13% and 50%, respectively. Additionally, the mean of hGE/ml was 0.045 in pTRG 0-1 group at C1, significantly lower comparing to 1.337 in pTRG 2-3 group (p < 0.001). Conclusions: We find that dynamic monitoring of ctDNA status was a useful tool in early predicting the effect of (treatment response to) NCT in LARC patients with low/intermediate risks. The monitoring of ctDNA status can supplement MRI in determining the NCT response and could potentially help identify poor responders to discontinue the treatment with inadequate efficacy. Clinical trial information: NCT04922853 .