Abstract A24: BRM polymorphisms, part of a novel epigenetic mechanism, are predictive of cancer risk and clinic outcome in multiple cancer types
Notice bibliographique
Résumé
Abstract BRM polymorphisms lie with the promoter region of the anticancer gene and SWI/SNF catalytic subunit, Brahma (SMARCA2). These polymorphisms statistically correlate with loss of BRM expression in both cell lines and primary lung tumors and function as part of an epigenetic mechanism which underlies BRM reversible silencing. Specifically, these polymorphisms function as the binding site of at least two transcription factors (MEF2D and GATA3) and two HDACs (HDAC3 and HDAC9). These proteins form a complex which drives the reversible silencing of the BRM protein. As BRM can serve as an anticancer protein, in part because BRM and SWI/SNF is required for the normal function of TP53 and RB as well as multiple DNA repair mechanisms, the silencing of BRM potentiates cancer development in mice. As such, BRM polymorphisms are predictive of cancer risk for lung cancer (n=600), breast cancer (N=300), head/neck cancer (n=400), colon cancer (N=250) and lymphoma (N=300) with an odds ratio ranging from 1.8 to 2.3. As these polymorphisms occur more frequently in African Americans, the odds ratio (cancer risk) in African Americans for lung cancer (n=250) is higher (3.5-4.5) as compared to that observed in Caucasians (2-2.3) (N=600). Similarly, BRM polymorphisms have a higher predictive value in HPV positive head/neck cancer with an odds ratio of 3.2 compared with an odds ratio of 2.0 in HPV positive head/neck cancer. This is in part due to the fact that BRM along with the HPV E2 protein regulates the expression of the transforming HPV proteins E6/E7. Unlike other polymorphisms which impart cancer risk and are fixed (cannot be changed), the fact that BRM silencing is reversible by compounds such as Flavonoids and certain NSAIDs, the cancer risk imparted by these polymorphisms can, in theory, be reversed or nullified by changes in diet, thereby making these polymorphisms unique in this respect. As BRM polymorphisms and BRM expression is also tied to differentiation and cell adhesion, these polymorphisms are also predictive of a worse clinical outcome with a hazard ratio ranging from 3 to 10 in pancreatic, head/neck, lung, colon and esophageal cancers. Thus, BRM polymorphisms represent a novel factor which is predictive of cancer risk and clinical outcome in multiple cancer types. Furthermore, these polymorphisms can potentially explain the observed health disparities (higher lung cancer occurrence despite lower rate of tobacco usage) which occur in African Americans. Citation Format: Suhdir Rai, Jennifer Wang, Kit Man Wong, Xiaoping Qiu, Geoff Liu, David Reisman. BRM polymorphisms, part of a novel epigenetic mechanism, are predictive of cancer risk and clinic outcome in multiple cancer types. [abstract]. In: Proceedings of the AACR Special Conference: Improving Cancer Risk Prediction for Prevention and Early Detection; Nov 16-19, 2016; Orlando, FL. Philadelphia (PA): AACR; Cancer Epidemiol Biomarkers Prev 2017;26(5 Suppl):Abstract nr A24.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».