MétaCan
Menu
Retour à la cohorte
Enregistrement W2014323284 · doi:10.1038/ncomms4644

Processed pseudogenes acquired somatically during cancer development

2014· article· en· W2014323284 sur OpenAlexafffund
Susanna L. Cooke, Adam Shlien, John L. Marshall, Christodoulos Pipinikas, Sancha Martin, José M. C. Tubío, Yilong Li, Andrew Menzies, Laura Mudie, Manasa Ramakrishna, Lucy Yates, Helen Davies, Niccolò Bolli, Graham R. Bignell, Patrick Tarpey, Sam Behjati, Serena Nik‐Zainal, Elli Papaemmanuil, Vitor H. Teixeira, Keiran Raine, Sarah O’Meara, Maryam S. Dodoran, Jon W. Teague, Adam P. Butler, Christine A. Iacobuzio–Donahue, Thomas Santarius, Richard G. Grundy, David Malkin, Mel Greaves, Nikhil C. Munshi, Adrienne M. Flanagan, David D.L. Bowtell, Denis Larsimont, Jorge S. Reis‐Filho, Alex Boussioutas, Jack A. Taylor, Neil Hayes, Sam M. Janes, P. Andrew Futreal, Michael R. Stratton, Ultan McDermott, Peter J. Campbell, Elena Provenzano, Marc J. van de Vijver, Andrea L. Richardson, Colin A. Purdie, Sarah E. Pinder, Gaëtan Mac Grogan, Anne Vincent‐Salomon, Dorthe Grabau, Torill Sauer, Øystein Garred, Anna Ehinger, Gert G. Van den Eynden, Carolien H. M. van Deurzen, Roberto Salgado, Jane E. Brock, Sunil R. Lakhani, Dilip D. Giri, Laurent Arnould, Jocelyne Jacquemier, Isabelle Treilleux, Carlos Caldas, Suet‐Feung Chin, Aquila Fatima, Alastair M. Thompson, Alasdair Stenhouse, John A. Foekens, John W.M. Martens, Anieta M. Sieuwerts, Arjen Brinkman, Henk G. Stunnenberg, Paul N. Span, Fred C.G.J. Sweep, Christine Desmedt, Christos Sotiriou, Gilles Thomas, Annegein Broeks, Anita Langerød, Samuel Aparício, Peter T. Simpson, Laura van ‘t Veer, Jórunn E. Eyfjörd, Hólmfríður Hilmarsdóttir, Jón G. Jónasson, Anne‐Lise Børresen‐Dale, Ming Ta Michael Lee, Bernice H. Wong, Benita Kiat Tee Tan, Gerrit K. Hooijer

Notice bibliographique

RevueNature Communications · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensSickKids FoundationHospital for Sick ChildrenBC Cancer AgencyUniversity of Toronto
Organismes subventionnairesNational Research Council CanadaRosetrees TrustUniversity College London Hospitals NHS Foundation TrustEuropean CommissionWellcome TrustAcademy of Medical SciencesKay Kendall Leukaemia FundNational Institute for Health and Care ResearchNational Cancer InstituteNational Institutes of HealthCancer Research UK
Mots-clésPseudogeneBiologyRetrotransposonGeneticsGermlineGeneGermline mutationExonIntronContext (archaeology)MutationSomatic cellCancerGenomeTransposable element

Résumé

récupéré en direct d'OpenAlex

Cancer evolves by mutation, with somatic reactivation of retrotransposons being one such mutational process. Germline retrotransposition can cause processed pseudogenes, but whether this occurs somatically has not been evaluated. Here we screen sequencing data from 660 cancer samples for somatically acquired pseudogenes. We find 42 events in 17 samples, especially non-small cell lung cancer (5/27) and colorectal cancer (2/11). Genomic features mirror those of germline LINE element retrotranspositions, with frequent target-site duplications (67%), consensus TTTTAA sites at insertion points, inverted rearrangements (21%), 5' truncation (74%) and polyA tails (88%). Transcriptional consequences include expression of pseudogenes from UTRs or introns of target genes. In addition, a somatic pseudogene that integrated into the promoter and first exon of the tumour suppressor gene, MGA, abrogated expression from that allele. Thus, formation of processed pseudogenes represents a new class of mutation occurring during cancer development, with potentially diverse functional consequences depending on genomic context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,282
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCancer Genomics and DiagnosticsTravaux en français237 207