Most spontaneous tumors in a mouse model of Li-Fraumeni syndrome do not have a mutator phenotype
Notice bibliographique
Résumé
Mutations are the substrate of cancer. Yet, little is known about the degree and nature of mutations in tumors because measurement of mutation load in tumors and normal tissues was generally not possible until the advent of transgenic mouse mutation detection systems. Herein, we present the first analysis of mutation frequency and pattern in thymic tumors from a mouse model of Li-Fraumeni syndrome (p53+/- murine model) using the Big Blue assay with sequencing of all mutants. We also make the first characterization of mutation frequency and pattern in p53-deficient extra-thymic cancers. The data more than triple the literature on all non-mismatch repair deficient tumors for which mutations are identified by sequence analysis, allowing mutation frequency and pattern to be determined. Most tumors had a normal mutation frequency and a normal mutation pattern. Five tumors showed modest increases in mutation frequency (2.3-fold or less). Alterations in mutation patterns were uncommon, tumor-specific and not necessarily associated with increases in mutation frequency. Given the data from two spontaneous tumors (normal mutation frequency with an abnormal pattern in a p53-/- mouse and low mutation frequency in a p53+/+ control mouse), we hypothesize that tumors sometimes can carry a low mutation load. The study was not without certain caveats: mutation load could not be compared between tumor and normal tissue from the same animal; sample sizes for extra-thymic tumor types were small, and only point mutations and deletions, insertions and indels up to 2 kb were detected. However, the data clearly show key differences in tumors from p53+/- mice compared with mismatch repair deficient tumors; a lack of dramatic increase in mutation frequency and absence of a signature of mutation.
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) | 0,001 | 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 ».