Genetic sequence variants and the development of secondary primary cancers in patients with head and neck cancers
Notice bibliographique
Résumé
BACKGROUND: Secondary primary cancers (SPCs), a major cause of morbidity and mortality in head and neck cancers (HNCs), are commonly associated with field cancerization. We comprehensively evaluated 23 germline sequence variants (from published literature) in 17 genes from 7 biological pathways associated with the HNC survival. Because cancer prognosis correlates with disease aggressiveness, the factors that determine aggressive disease may influence field cancerization process to favor SPC development. We thus hypothesized that the same sequence variants associated with HNC survival can also be associated with SPC. METHODS: Germline DNA from 531 stage I-II radiation-treated HNC patients (originally recruited for an alpha-tocopherol/beta-carotene placebo-controlled secondary prevention clinical trial) were genotyped, and analyzed using Cox proportional hazards models, stratified by treatment arm, adjusting for clinical prognostic factors. RESULTS: The majority of SPCs were of lung and HNCs. Median follow-up time was 5 years. SPCs were diagnosed in 21% of patients. The 5-year SPC-free survival was 79%. All but 1 evaluated sequence variant were not associated with SPC. There was a strong association of the DNA (cytosine-5-)-methyltransferase 3 beta (DNMT3B) sequence variant, DNMT3B:C149T (rs2424913) with SPC: the adjusted hazard ratio (aHR) for TT versus CC was 2.23 (1.32-3.78; P = .003), whereas each variant T allele was associated with an aHR of 1.49 (1.15-1.95; P = .003). CONCLUSIONS: A functional sequence variant in DNMT3B is associated with the development of SPCs in HNC early stage patients treated with radiation. Aberrant DNA methylation may be an important modulator of SPC development in at-risk individuals with HNCs.
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 ».