Accurate prediction of BRCA1 and BRCA2 heterozygous genotypes using expression profiling of lymphocytes after irradiation-induced DNA damage
Notice bibliographique
Résumé
Germline mutations in BRCA1 and BRCA2 genes predispose women to an increased risk of breast/ovarian cancer. Both genes have important roles in DNA damage repair and are implicated in gene expression regulation. We have previously shown that normal fibroblasts from mutation carriers can be distinguished from noncarriers following radiation-induced DNA damage. In this new study we used lymphocytes to determine whether these also show differential response to induced DNA damage and whether expression profiling using microarray technology could be used to accurately predict the BRCA genotype. Short-term lymphocyte cultures were established from fresh blood samples from 20 BRCA1 and 20 BRCA2 mutation carriers and from 10 negative controls (individuals tested negative for the mutation present in the family). Lymphocytes were subjected to 8 Gy ionizing irradiation to induce DNA damage and RNA was extracted 1 hour post γ-irradiation. For expression profiling, genome-wide (30 K) spotted cDNA microarrays manufactured by the Cancer Research UK Microarray Facility were used. We then applied the support vector machine (SVM) classifier with statistical feature selection to determine the best feature set for predicting BRCA1 and BRCA2 heterozygous genotypes. We also investigated the prediction accuracy using a nonprobabilistic classifier (SVM) and a probabilistic classifier (Gaussian process classifier).
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 ».