MétaCan
Menu
← Retour à la cohorte
Enregistrement W2331519235 · doi:10.1158/1538-7445.am2012-2927

Abstract 2927: MicroRNA binding site polymorphisms influence ovarian cancer risk in the collaborative oncological gene-environment study

2012· article· en· W2331519235 sur OpenAlexaff
Jennifer Permuth‐Wey, Hui‐Yi Lin, Ya-Yu Tsai, Y. Ann Chen, Jill S. Barnholtz‐Sloan, M. Birrer, Stephen J. Chanock, Daniel W. Cramer, Julie M. Cunningham, David Fenstermacher, Brooke L. Fridley, Montserrat García‐Closas, Simon A. Gayther, Alexandra Gentry-Maharaj, Jesús González Bosquet, Edwin S. Iversen, Heather Jim, Usha Menon, Álvaro N.A. Monteiro, Steven A. Narod, Catherine M. Phelan, Susan J. Ramus, Harvey A. Risch, Honglin Song, Rebecca Sutphen, Kathryn L. Terry, Jonathan P. Tyrer, Robert A. Vierkant, Nicolas Wentzensen, Johnathan M. Lancaster, Jin Q. Cheng, Andrew Berchuk, Paul D.P. Pharoah, Joellen M. Schildkraut, Ellen L. Goode, Thomas A. Sellers

Notice bibliographique

RevueCancer Research · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensCoalition for Research in Women's HealthLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésSingle-nucleotide polymorphismmicroRNABiologyMinor allele frequencyOvarian cancerSNPCarcinogenesisOdds ratioSerous fluidCancerGenotypeGeneticsOncologyGeneBioinformaticsInternal medicineMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Mi(cro)RNAs are short non-coding RNA molecules that play a key role in carcinogenesis by regulating tumor suppressors and oncogenes. Published data has implicated miRNAs in ovarian cancer (OC) development and progression, and we hypothesize that single nucleotide polymorphisms (SNPs) in sites of miRNA: messenger RNA (mRNA) binding may influence OC risk by altering expression levels of targeted mRNAs. To evaluate associations between SNPs in miRNA binding sites and OC risk, we used bioinformatics tools and public databases to identify miRNA binding SNPs relevant to ovarian cancer. We then evaluated the frequency of approximately 1,100 SNPs in ∼20,000 epithelial OC cases and 20,000 controls represented in the international Collaborative Oncological Gene-environment Study. Unconditional logistic regression was used to estimate odds ratios (OR) and 95% confidence intervals (CI) between genotypes and case status, with adjustment for the first five principal components representing European ancestry. Log-additive genetic models were applied to each SNP, modeling the number of copies of the minor allele. Subgroup analysis was conducted for serous adenocarcinomas, the most predominant histologic subtype of epithelial OC. Preliminary analysis of 11,215 invasive epithelial OCs and 15,910 controls included four SNPs with P<10−6 and 1 SNP with P<10−5. Analysis of 6,215 invasive serous adenocarcinomas revealed two SNPs with P<10−7 and three SNPs with P<10−6. Noteworthy is rs6104808, a C>T SNP predicted to reside in a highly conserved miRNA binding site of BTBD3 (BTB POZ domain containing 3), a transcription factor suggested to be involved in cell proliferation, cancer progression, and response to platinum-based chemotherapy. rs6104808 was associated with a decreased risk of OC overall (OR (95% CI): 0.42 (0.28-0.62), P=1.26 x 10−5)), and the association was stronger among cases with serous adenocarcinoma (OR (95% CI): 0.30 (0.17-0.50), P=9.89 x 10−6)). This represents the largest, most comprehensive epidemiologic study to date to evaluate associations between miRNA binding site SNPs and OC susceptibility. Although based on a preliminary analysis, these data suggest a significant role and putative biological mechanism for common germline variants in miRNA binding sites leading to cancer development. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 103rd Annual Meeting of the American Association for Cancer Research; 2012 Mar 31-Apr 4; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2012;72(8 Suppl):Abstract nr 2927. doi:1538-7445.AM2012-2927

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,376
Écart entre enseignants0,336 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetCancer-related molecular mechanisms research→Travaux en français237 207→