Frequent Mutations in TP53 and CDKN2A Found by Next-Generation Sequencing of Head and Neck Cancer Cell Lines
Notice bibliographique
Résumé
OBJECTIVE: To conduct high-throughput mutational analysis in 6 commonly used head and neck cancer cell lines. Comprehensive mutation analysis of primary head and neck squamous cell carcinoma (HNSCC) tumors has recently been reported, and mutations in the NOTCH receptors, TP53 and CDKN2A, were key findings. Established cell lines are valuable tools to study cancer in vitro. Similar high-throughput mutational analysis of head and neck cancer cell lines is necessary to confirm their mutational profile. DESIGN: DNA was extracted from American Type Culture Collection (ATCC) cell lines Cal27, Detroit562, FaDu, SCC4, SCC15, and SCC25. Cell line identity was confirmed by short tandem repeat (STR) analysis, and human papillomavirus (HPV) infection status was assessed by real-time polymerase chain reaction. A total of 535 cancer-associated genes were sequenced through a limited exome capture on the Illumina HiSeq system. SETTING: London Regional Cancer Program. RESULTS: The identity of the 6 cell lines was confirmed by STR analysis, and all lines tested negative for HPV infection. We achieved an average of 129-fold coverage with paired-end 100 base-pair reads. Sequencing revealed an average of 38 damaging mutations in each cell line (range, 30-45). The TP53 mutations, predicted to confer loss of function, were noted in all cell lines, and damaging CDKN2A mutations were found in all lines except SCC15. CONCLUSIONS: High-throughput sequencing of head and neck cancer cell lines revealed similar mutations to those observed in primary tumors. Thus, these lines reflect the tumor biology of HNSCC and can serve as valuable models to study HNSCC in vitro.
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 ».