Detection of splicing aberrations caused by BRCA1 and BRCA2 sequence variants encoding missense substitutions: implications for prediction of pathogenicity
Notice bibliographique
Résumé
Missense substitutions in high-risk cancer susceptibility genes create clinical uncertainty in the genetic counseling process. Multifactorial likelihood classification approaches and in vitro assays are useful for the classification of exonic sequence variants in BRCA1 and BRCA2, but these currently rely on the assumption that changes in protein function are the major biological mechanism of pathogenicity. This study investigates the potentially pathogenic role of aberrant splicing for exonic variants predicted to encode missense substitutions using patient-derived RNA. No splicing aberrations were identified for BRCA1c.5054C>T and BRCA2c.7336A>G, c.8839G>A, and c.9154C>T. However, RT-PCR analysis identified a major splicing aberration for BRCA1c.4868C>G(p.Ala1623Gly), a variant encoding a missense substitution considered likely to be neutral. Splicing aberrations were also observed for BRCA2c.7988A>T(p.Glu2663Val) and c.8168A>G(p.Asp2723Gly), but both variant and wildtype alleles were shown to be present in full-length mRNA transcripts, suggesting that variant protein may be translated. BRCA2 protein function assays indicated that BRCA2p.Glu2663Val, p.Asp2723Gly and p.Arg3052Trp missense proteins have abrogated function consistent with pathogenicity. Multifactorial likelihood analysis provided evidence for pathogenicity for BRCA1 c.5054C>T(p.Thr1685Ile) and BRCA2c.7988A>T(p.Glu2663Val), c.8168A>G(p.Asp2723Gly) and c.9154C>T(p.Arg3052Trp), supporting experimentally derived evidence. These findings highlight the need for improved bioinformatic prediction of splicing aberrations and to refine multifactorial likelihood models used to assess clinical significance.
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 ».