Prevalence of <i>BRCA1</i> and <i>BRCA2</i> mutations in Pakistani breast and ovarian cancer patients
Notice bibliographique
Résumé
Among Asian countries, Pakistan has the highest rates of breast and ovarian cancer. To assess the contribution of the BRCA1 and BRCA2 germ line mutations to these high rates, we conducted the first study of 176 Pakistani breast and ovarian cancer patients, selected on family history and on age of diagnosis. Comprehensive BRCA mutation screening was performed using a range of techniques, including denaturing high-pressure liquid chromatography, single strand conformational polymorphism analysis and protein truncation test, followed by DNA sequencing. Thirty deleterious germ-line mutations were identified in the 176 families (17.0%), including 23 in BRCA1 and 7 in BRCA2. Four mutations, 185delAG, 185insA, S1503X and R1835X, were recurrent; these accounted for 52% of all identified BRCA1 mutations. Haplotype analyses suggested founder effects for 3 of these. The prevalence of BRCA1 or BRCA2 mutations was 42.8% for families with multiple cases of breast cancer, and was 50.0% for the breast/ovarian cancer families. The prevalence of mutations was 11.9% for single cases of early-onset breast cancer (< or =30 years) and was 9.0% for single cases of early-onset ovarian cancer (< or =45 years). Our findings show that BRCA mutations account for a substantial proportion of hereditary breast/ovarian cancer and early-onset breast and ovarian cancer cases in Pakistan.
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 ».