Abstract 4265: Risks of familial breast cancer associated with known and proposed breast cancer susceptibility genes
Notice bibliographique
Résumé
Abstract A better understanding of gene-specific risks for development of breast cancer will lead to improved screening, prevention, and therapeutic strategies for individuals identified to carry germline mutations. We performed targeted massively-parallel sequencing to identify mutations and large genomic rearrangements in 26 known or proposed breast cancer susceptibility genes in 2134 BRCA-negative women with familial breast cancer (FBC). A case-control analysis was performed comparing the frequency of internally classified mutations identified in FBC cases to that in non-Finnish European controls from the Exome Aggregation Consortium (ExAC) excluding samples from The Cancer Genome Atlas. Including large genomic rearrangements, mutations were identified in 8.2% of FBC cases compared to 6.2% of ExAC controls, including mutations in high-penetrance genes (0.6% in cases vs. 0.1% in controls), moderate-penetrance genes (3.7% vs 1.7%), and seven cases with two mutations (0.3%). The remainder of FBC cases and ExAC controls had mutations in proposed breast cancer genes (1.6% of cases vs 2.4% of controls), Lynch syndrome genes (0.5% vs. 0.5%) or were heterozygous MUTYH carriers (1.5% vs. 1.5%). Case-control analysis demonstrated significant associations with FBC for ATM, PALB2, and TP53 mutations (OR>3.0, p<10-4), BARD1 mutations (OR=3.2, p=0.012), and CHEK2 truncating mutations (OR=1.6, p=0.041). Our results therefore demonstrate that only approximately 4% of BRCA1/2 negative FBC patients have mutations in genes definitively associated with breast cancer at this time. Large case-control studies are needed to fully evaluate the breast cancer risks associated with moderate penetrance and proposed breast cancer susceptibility genes. Citation Format: Kara N. Maxwell, Thomas Paul Slavin, Jenna M. Lilyquist, Joseph Vijai, Susan L. Neuhausen, Steven N. Hart, Vignesh Ravichandran, Tinu Thomas, Ann Maria, Kasmintan A. Schrader, Raymond Moore, Chunling Hu, Brad Wubbenhorst, Brandon M. Wenz, Kurt D'Andrea, Susan M. Domchek, Mark E. Robson, Paulo Peterlongo, Paolo Radice, James M. Ford, Judy E. Garber, Csilla Szabo, Kenneth Offit, Katherine L. Nathanson, Fergus J. Couch, Jeffrey N. Weitzel. Risks of familial breast cancer associated with known and proposed breast cancer susceptibility genes [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2017; 2017 Apr 1-5; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2017;77(13 Suppl):Abstract nr 4265. doi:10.1158/1538-7445.AM2017-4265
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».