Combined classical cytogenetics and microarray‐based genomic copy number analysis reveal frequent 3;5 rearrangements in clear cell renal cell carcinoma
Notice bibliographique
Résumé
Karyotypic analysis and genomic copy number analysis with single nucleotide polymorphism (SNP)-based microarrays were compared with regard to the detection of recurrent genomic imbalances in 20 clear cell renal cell carcinomas (ccRCCs). Genomic imbalances were identified in 19 of 20 tumors by DNA copy number analysis and in 15 tumors by classical cytogenetics. A statistically significant correlation was observed between the number of genomic imbalances and tumor stage. The most common genomic imbalances were loss of 3p and gain of 5q. Other recurrent genomic imbalances seen in at least 15% of tumors included losses of 1p32.3-p33, 6q23.1-qter and 14q and gain of chromosome 7. The SNP-based arrays revealed losses of 3p in 16 of 20 tumors, with the highest frequency being at 3p21.31-p22.1 and 3p24.3-p25.3, the latter encompassing the VHL locus. One other tumor showed uniparental disomy of chromosome 3. Thus, altogether loss of 3p was identified in 17 of 20 (85%) cases. Fourteen tumors showed both overlapping losses of 3p and overlapping gains of 5q, and the karyotypic assessment performed in parallel revealed that these imbalances arose via unbalanced 3;5 translocations. Among the latter, there were common regions of loss at 3p21.3-pter and gain at 5q34-qter. These data suggest that DNA copy number analysis will supplant karyotypic analysis of tumor types such as ccRCC that are characterized by recurrent genomic imbalances, rather than balanced rearrangements. These findings also suggest that the 5q duplication/3p deficiency resulting from unbalanced 3;5 translocations conveys a proliferative advantage of particular importance in ccRCC tumorigenesis.
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) | 0,001 | 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) | 0,001 | 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 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 ».