Genetic Variants Contributing to Daunorubicin-Induced Cytotoxicity
Notice bibliographique
Résumé
Identifying heritable genetic variants responsible for chemotherapeutic toxicities has been challenging due in part to its multigenic nature. To date, there is a paucity of data on genetic variants associated with patients experiencing severe myelosuppression or cardiac toxicity following treatment with daunorubicin. We present a genome-wide model using International HapMap cell lines that integrate genotype and gene expression to identify genetic variants that contribute to daunorubicin-induced cytotoxicity. A cell growth inhibition assay was used to measure variations in the cytotoxicity of daunorubicin. Gene expression was determined using the Affymetrix GeneChip Human Exon 1.0ST Array. Using sequential analysis, we evaluated the associations between genotype and cytotoxicity, those significant genotypes with gene expression and correlated gene expression of the identified candidates with cytotoxicity. A total of 26, 9, and 18 genetic variants were identified to contribute to daunorubicin-induced cytotoxicity through their effect on 16, 9, and 36 gene expressions in the combined, Centre d' Etude du Polymorphisme Humain (CEPH), and Yoruban populations, respectively. Using 50 non-HapMap CEPH cell lines, single nucleotide polymorphisms generated through our model predicted 29% of the overall variation in daunorubicin sensitivity and the expression of CYP1B1 was significantly correlated with sensitivity to daunorubicin. In the CEPH validation set, rs120525235 and rs3750518 were significant predictors of transformed daunorubicin IC(50) (P = 0.005 and P = 0.0008, respectively), and rs1551315 trends toward significance (P = 0.089). This unbiased method can be used to elucidate genetic variants contributing to a wide range of cellular phenotypes.
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 | 0,001 |
| 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) | 0,002 | 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 ».