Non-invasive prenatal testing (NIPT) to date is used in the clinic primarily to detect foetal aneuploidy. Few studies so far have focused on the detection of monogenic autosomal recessive disorders where mother and foetus carry the same mutation. In particular, NIPT is currently not available for the detection of Sickle Cell Anaemia (SCA), the most common monogenic disorder world-wide and the most common indication for invasive prenatal testing in high-income countries. Here, we report the clinical validation of a novel diagnostic approach that combines ultra-sensitive amplicon-based sequencing of cell-free DNA (cfDNA) with internal controls and bias factor correction to calculate the probability for the presence of allelic imbalance from maternal plasma without prior knowledge of the paternal genotype. Identification of the foetal genotype was determined using a hierarchical probabilistic model based on the relative number of reads from the sequencing, along with the foetal fraction. NIPT was performed on a cohort of 57 patients, all of whom had previously undergone invasive prenatal testing so that the foetal genotype was known. Overall, NIPT demonstrated 100% sensitivity and negative predictive value for foetal fractions higher than 0.5%, and 100% specificity and positive predictive value for foetal fractions higher than or equal to 4%. Our methodology can be used as a safe, non-invasive screening tool in any clinical scenarios where early prenatal diagnosis of SCA or other recessive disorders is important.

Tumours are composed of genotypically and phenotypically distinct cancer cell populations (clones), which are subject to a process of Darwinian evolution in response to changes in their local micro-environment, such as drug treatment. In a cancer patient, this process of continuous adaptation can be studied through next-generation sequencing of multiple tumour samples combined with appropriate bioinformatics and statistical methodologies. One family of statistical methods for clonal deconvolution seeks to identify groups of mutations and estimate the prevalence of each group in the tumour, while taking into account its purity and copy number profile. These methods have been used in the analysis of cross-sectional data, as well as for longitudinal data by discarding information on the timing of sample collection. Two key questions are how (in the case of longitudinal data) can we incorporate such information in our analyses and if there is any benefit in doing so. Regarding the first question, we incorporated information on the temporal spacing of longitudinally collected samples into standard non-parametric approaches for clonal deconvolution by modelling the time dependence of the prevalence of each clone as a Gaussian process. This permitted reconstruction of the temporal profile of the abundance of each clone continuously from several sparsely collected samples and without any strong prior assumptions on the functional form of this profile. Regarding the second question, we tested various model configurations on a range of whole genome, whole exome and targeted sequencing data from patients with chronic lymphocytic leukaemia, on liquid biopsy data from a patient with melanoma and on synthetic data. We demonstrate that incorporating temporal information in our analysis improves model performance, as long as data of sufficient volume and complexity are available for estimating free model parameters. We expect that our approach will be useful in cases where collecting a relatively long sequence of tumour samples is feasible, as in the case of liquid cancers (e.g. leukaemia) and liquid biopsies. The statistical methodology presented in this paper is freely available at github.com/dvav/clonosGP.

Abstract The analysis of circulating tumour DNA (ctDNA) through minimally invasive liquid biopsies is promising for early multi-cancer detection and monitoring minimal residual disease. Most existing methods focus on targeted deep sequencing, but few integrate multiple data modalities. Here, we develop a methodology for ctDNA detection using deep (80x) whole-genome TET-Assisted Pyridine Borane Sequencing (TAPS), a less destructive approach than bisulphite sequencing, which permits the simultaneous analysis of genomic and methylomic data. We conduct a diagnostic accuracy study across multiple cancer types in symptomatic patients, achieving 94.9% sensitivity and 88.8% specificity. Matched tumour biopsies are used for validation, not for guiding the analysis, imitating an early detection scenario. Furthermore, in silico validation demonstrates strong discrimination (86% AUC) at ctDNA fractions as low as 0.7%. Additionally, we successfully track tumour burden and ctDNA shedding from precancerous lesions post-treatment without requiring matched tumour biopsies. This pipeline is ready for further clinical evaluation to extend cancer screening and improve patient triage and monitoring.

Epstein-Barr virus (EBV)-positive Burkitt lymphoma (BL) affects children in sub-Saharan Africa, but diagnosis via tissue biopsy is challenging. We explored a liquid biopsy approach using targeted next-generation sequencing to detect the The panel included targets for the characteristic The next-generation sequencing panel detected three of four This analysis demonstrates the potential of liquid biopsy to improve BL diagnosis in settings with limited pathology resources. Validation of our approach in a larger data set is needed.