MétaCan
Menu
Retour à la cohorte
Enregistrement W2317611189 · doi:10.1093/neuonc/nou208.14

DETAILED MOLECULAR CHARACTERISATION OF DIFFUSE INTRINSIC PONTINE GLIOMAS IDENTIFIES THREE MOLECULAR SUBGROUPS AND A NOVEL CANCER DRIVER, ACVR1

2014· article· en· W2317611189 sur OpenAlexaff
Cynthia Hawkins, Pawel Buczkowicz, Christine M. Hoeman, Patricia Rakopoulos, Sanja Pajovic, A. Morrison, Chris Jones, Éric Bouffet, Ute Bartels, Oren J. Becher

Notice bibliographique

RevueNeuro-Oncology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésDNA methylationCpG siteCancerExome sequencingMethylationComputational biologyMedicineGenomeGeneticsBiologyMutationGeneGene expression

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diffuse intrinsic pontine glioma (DIPG) is a devastating pediatric brain tumor with no effective therapy and near 100% fatality. The failure of most therapies can be attributed to the delicate location of these tumors and choosing therapies based on assumptions that DIPGs are molecularly similar to adult disease. Recent studies have unraveled the unique genetic make-up of this brain cancer with nearly 80% harboring a K27M-H3.3 or K27M-H3.1 mutation. However, DIPGs are still thought of as one disease with limited understanding of the genetic drivers of these tumors. This data is critical for the development of better therapies for these children. METHODS: Here we describe deep-sequencing analysis of 36 tumor–normal pairs (20 whole genome sequencing (WGS; Illumina Hiseq 2000) and 16 whole exome sequencing (WES; Applied Biosystems SOLiD 5500xl)), integrated with comprehensive methylation (28 DIPGs; Illumina Infinium450K methylation array), copy number (45 DIPGs, Affymetrix SNP6.0) and expression data (35 DIPGs; Illumina HT-12 v4). RESULTS: Unsupervised subgrouping of DIPGs based on CpG island methylation resulted in three distinct subgroups; MYCN, Silent, and H3-K27M. This subgrouping was supported by multiple analyses including principal components analysis, non-negative matrix factorization and consensus clustering. Subgroup-specific differences were supported by integration of mutation, structural, expression and clinical data. The MYCN subgroup DIPGs are not associated with histone mutations and are instead characterized by hypermethylation and catastrophic shattering of chromosome 2p with high-level copy number amplifications of MYCN and ID2. The Silent subgroup has genomes with minimal instability, fewer mutations and over-expression of WNT pathway genes. The H3-K27M subgroup is highly K27M-H3 mutated but is typically associated with additional genetic alterations including activating mutations in ACVR1, frequent RB1 deletions, TP53 deletions/mutations, PVT-1/MYC or PDGFRA gains/amplifications, genomic instability and alternative lengthening of telomeres. After H3F3A and TP53, the next most frequently mutated gene in DIPG is ACVR1 (activin A receptor, type I), a novel cancer gene. Mutations of ACVR1 in four DIPGs (c.617G > A) result in a R206H substitution. One DIPG had a mutation of a neighboring codon (Q207E). Two DIPGs had a c.983G > A (G328E) mutation and five DIPGs in our cohort had a c983G > T mutation which results in a G328V substitution. In total 20% of DIPGs have ACVR1 mutations. CONCLUSIONS: Our results highlight the many pathways to tumorigenesis in DIPG. This complexity needs to be considered when designing new therapeutic approaches in order to improve outcome for these children. SECONDARY CATEGORY: n/a.

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 enseignants0,003
Score d'incertitude au seuil0,006

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,257 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207