Comparison of DNA- and RNA-Based Methods for Detection of TruncatingBRCA1 Mutations
Notice bibliographique
Résumé
A number of methods are used for mutational analysis of BRCA1, a large multi-exon gene. A comparison was made of five methods to detect mutations generating premature stop codons that are predicted to result in synthesis of a truncated protein in BRCA1. These included four DNA-based methods: two-dimensional gene scanning (TDGS), denaturing high performance liquid chromatography (DHPLC), enzymatic mutation detection (EMD), and single strand conformation polymorphism analysis (SSCP) and an RNA/DNA-based protein truncation test (PTT) with and without complementary 5' sequencing. DNA and RNA samples isolated from 21 coded lymphoblastoid cell line samples were tested. These specimens had previously been analyzed by direct automated DNA sequencing, considered to be the optimum method for mutation detection. The set of 21 cell lines included 14 samples with 13 unique frameshift or nonsense mutations, three samples with two unique splice site mutations, and four samples without deleterious mutations. The present study focused on the detection of protein-truncating mutations, those that have been reported most often to be disease-causing alterations that segregate with cancer in families. PTT with complementary 5' sequencing correctly identified all 15 deleterious mutations. Not surprisingly, the DNA-based techniques did not detect a deletion of exon 22. EMD and DHPLC identified all of the mutations with the exception of the exon 22 deletion. Two mutations were initially missed by TDGS, but could be detected after slight changes in the test design, and five truncating mutations were missed by SSCP. It will continue to be important to use complementary methods for mutational analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».