MétaCan
Menu
Retour à la cohorte
Enregistrement W2118228232 · doi:10.1186/s12885-015-1421-8

Targeted deep sequencing of mucinous ovarian tumors reveals multiple overlapping RAS-pathway activating mutations in borderline and cancerous neoplasms

2015· article· en· W2118228232 sur OpenAlexafffund
Robertson Mackenzie, Stefan Kommoss, Boris Winterhoff, Benjamin R. Kipp, Joaquín J. García, Jesse S. Voss, Kevin C. Halling, Anthony N. Karnezis, Janine Senz, Winnie Yang, Elena‐Sophie Prigge, Miriam Reuschenbach, Magnus von Knebel Doeberitz, Blake C. Gilks, David G. Huntsman, Jamie N. Bakkum‐Gamez, Jessica N. McAlpine, Michael S. Anglesio

Notice bibliographique

RevueBMC Cancer · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesBC Cancer FoundationVGH and UBC Hospital Foundation
Mots-clésKRASCDKN2APTENCancer researchSTK11BiologyOvarian cancerMucinous carcinomaMassive parallel sequencingGenetic heterogeneityExome sequencingCancerAdenocarcinomaMutationDNA sequencingGeneColorectal cancerGeneticsPI3K/AKT/mTOR pathwayPhenotypeSignal transduction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mucinous ovarian tumors represent a distinct histotype of epithelial ovarian cancer. The rarest (2-4 % of ovarian carcinomas) of the five major histotypes, their genomic landscape remains poorly described. We undertook hotspot sequencing of 50 genes commonly mutated in human cancer across 69 mucinous ovarian tumors. Our goals were to establish the overall frequency of cancer-hotspot mutations across a large cohort, especially those tumors previously thought to be "RAS-pathway alteration negative", using highly-sensitive next-generation sequencing as well as further explore a small number of cases with apparent heterogeneity in RAS-pathway activating alterations. METHODS: Using the Ion Torrent PGM platform, we performed next generation sequencing analysis using the v2 Cancer Hotspot Panel. Regions of disparate ERBB2-amplification status were sequenced independently for two mucinous carcinoma (MC) cases, previously established as showing ERBB2 amplification/overexpression heterogeneity, to assess the hypothesis of subclonal populations containing either KRAS mutation or ERBB2 amplification independently or simultaneously. RESULTS: We detected mutations in KRAS, TP53, CDKN2A, PIK3CA, PTEN, BRAF, FGFR2, STK11, CTNNB1, SRC, SMAD4, GNA11 and ERBB2. KRAS mutations remain the most frequently observed alteration among MC (64.9 %) and mucinous borderline tumors (MBOT) (92.3 %). TP53 mutation occurred more frequently in carcinomas than borderline tumors (56.8 % and 11.5 %, respectively), and combined IHC and mutation data suggest alterations occur in approximately 68 % of MC and as many as 20 % of MBOT. Proven and potential RAS-pathway activating changes were observed in all but one MC. Concurrent ERBB2 amplification and KRAS mutation were observed in a substantial number of cases (7/63 total), as was co-occurrence of KRAS and BRAF mutations (one case). Microdissection of ERBB2-amplified regions of tumors harboring KRAS mutation suggests these alterations are occurring in the same cell populations, while consistency of KRAS allelic frequency in both ERBB2 amplified and non-amplified regions suggests this mutation occurred in advance of the amplification event. CONCLUSIONS: Overall, the prevalence of RAS-alteration and striking co-occurrence of pathway "double-hits" supports a critical role for tumor progression in this ovarian malignancy. Given the spectrum of RAS-activating mutations, it is clear that targeting this pathway may be a viable therapeutic option for patients with recurrent or advanced stage mucinous ovarian carcinoma, however caution should be exercised in selecting one or more personalized therapeutics given the frequency of non-redundant RAS-activating alterations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,296
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations149
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC CancerMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207