MétaCan
Menu
Retour à la cohorte
Enregistrement W2398950267 · doi:10.1158/1557-3125.advbc15-pr06

Abstract PR06: Modeling the tumor microenvironment to identify novel loss of function mutations in breast cancer progression

2016· article· en· W2398950267 sur OpenAlexaboutno aff
Barrie Peck, Sarah Maguire, Eamonn Morrison, Patty T. Wai, Rachael Natrajan

Notice bibliographique

RevueMolecular Cancer Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGene silencingBreast cancerBiologyCancer researchCancerLoss functionMutationGeneGeneticsFOXA1Phenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Recent next generation sequencing studies have comprehensively mapped the genetic landscape of breast cancer and revealed that only a small number of genes are recurrently mutated in more than 10% of unselected tumors (i.e. TP53, PIK3CA and GATA3), and that the vast majority of recurrent mutations occur at low frequencies. Although some have been shown to be drivers (i.e. confer a selective advantage), such as oncogenic ERBB2 mutations, there is a myriad of significantly altered lower frequency mutations whose functional impact is unknown. We utilized a functional genomics approach silencing the 200 most frequently mutated genes in breast cancer in 3D spheroid cultures that more accurately recapitulate in vivo like conditions, using the MCF10A progression series cell line panel to identify novel loss of function mutations that affect breast cancer progression from non-malignant to highly invasive disease. Genes whose silencing significantly altered spheroid growth were integrated with comprehensive copy number and mutation data in order to analyze the impact of these genes in concert with additional driver alterations in genes such as TP53 and PIK3CA mutations. We identified 11 genes whose silencing with siRNA had a significant effect on growth in two or more cell lines in 3D, including FMN2, FOXA1, NIPBL and CREBBP. Silencing of FMN2 increased spheroid growth in the invasive cell lines only, suggesting loss of function mutations are a later event in breast cancer progression. A second targeted validation screen showed that silencing of a cohort of these genes had limited effect under traditional 2D culture conditions, for example, silencing of maltase-glucoamylase (MGAM) resulted in increased growth in AT1 and DCIS.com cells in 3D while having no effect in 2D; an effect that was recapitulated by treating cells with an established MGAM inhibitor. Furthermore, loss of NIPBL significantly increased spheroid growth in cells harboring TP53 nuclear accumulation, and was significantly co-mutated in TP53 mutant primary tumors, suggestive of epistasis. Integrating genes that when silenced decreased spheroid growth with mutation status in the cell lines identified 3D specific oncogenic dependencies with PIK3CA and novel SZT2 mutations. Using a functional genomic approach in 3D models we have identified recurrently mutated genes whose loss or gain of function contribute to breast cancer progression and furthermore may be epistatic or cooperate with established driver mutations in breast cancer. Citation Format: Barrie Peck, Sarah Maguire, Eamonn Morrison, Patty Wai, Rachael Natrajan. Modeling the tumor microenvironment to identify novel loss of function mutations in breast cancer progression. [abstract]. In: Proceedings of the AACR Special Conference on Advances in Breast Cancer Research; Oct 17-20, 2015; Bellevue, WA. Philadelphia (PA): AACR; Mol Cancer Res 2016;14(2_Suppl):Abstract nr PR06.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,031
Tête enseignante GPT0,368
Écart entre enseignants0,337 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer ResearchMême sujetCancer Genomics and DiagnosticsTravaux en français237 207