Targeted next‐generation sequencing of cancer genes dissects the molecular profiles of intraductal papillary neoplasms of the pancreas
Notice bibliographique
Résumé
Intraductal neoplasms are important precursors to invasive pancreatic cancer and provide an opportunity to detect and treat pancreatic neoplasia before an invasive carcinoma develops. The diagnostic evaluation of these lesions is challenging, as diagnostic imaging and cytological sampling do not provide accurate information on lesion classification, the grade of dysplasia or the presence of invasion. Moreover, the molecular driver gene mutations of these precursor lesions have yet to be fully characterized. Fifty-two intraductal papillary neoplasms, including 48 intraductal papillary mucinous neoplasms (IPMNs) and four intraductal tubulopapillary neoplasms (ITPNs), were subjected to the mutation assessment in 51 cancer-associated genes, using ion torrent semiconductor-based next-generation sequencing. P16 and Smad4 immunohistochemistry was performed on 34 IPMNs and 17 IPMN-associated carcinomas. At least one somatic mutation was observed in 46/48 (96%) IPMNs; 29 (60%) had multiple gene alterations. GNAS and/or KRAS mutations were found in 44/48 (92%) of IPMNs. GNAS was mutated in 38/48 (79%) IPMNs, KRAS in 24/48 (50%) and these mutations coexisted in 18/48 (37.5%) of IPMNs. RNF43 was the third most commonly mutated gene and was always associated with GNAS and/or KRAS mutations, as were virtually all the low-frequency mutations found in other genes. Mutations in TP53 and BRAF genes (10% and 6%) were only observed in high-grade IPMNs. P16 was lost in 7/34 IPMNs and 9/17 IPMN-associated carcinomas; Smad4 was lost in 1/34 IPMNs and 5/17 IPMN-associated carcinomas. In contrast to IPMNs, only one of four ITPNs had detectable driver gene (GNAS and NRAS) mutations. Deep sequencing DNA from seven cyst fluid aspirates identified 10 of the 13 mutations detected in their associated IPMN. Using next-generation sequencing to detect cyst fluid mutations has the potential to improve the diagnostic and prognostic stratification of pancreatic cystic neoplasms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».