Recommended Guidelines for Validation, Quality Control, and Reporting of <i>TP53</i> Variants in Clinical Practice
Notice bibliographique
Résumé
Abstract Accurate assessment of TP53 gene status in sporadic tumors and in the germline of individuals at high risk of cancer due to Li–Fraumeni Syndrome (LFS) has important clinical implications for diagnosis, surveillance, and therapy. Genomic data from more than 20,000 cancer genomes provide a wealth of information on cancer gene alterations and have confirmed TP53 as the most commonly mutated gene in human cancer. Analysis of a database of 70,000 TP53 variants reveals that the two newly discovered exons of the gene, exons 9β and 9γ, generated by alternative splicing, are the targets of inactivating mutation events in breast, liver, and head and neck tumors. Furthermore, germline rearrange-ments in intron 1 of TP53 are associated with LFS and are frequently observed in sporadic osteosarcoma. In this context of constantly growing genomic data, we discuss how screening strategies must be improved when assessing TP53 status in clinical samples. Finally, we discuss how TP53 alterations should be described by using accurate nomenclature to avoid confusion in scientific and clinical reports. Cancer Res; 77(6); 1250–60. ©2017 AACR.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,189 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,014 | 0,006 |
| Intégrité de la recherche | 0,014 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,009 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».