Leveraging OncoMD to identify synthetic lethal interactions between recurrently mutated genes
Notice bibliographique
Résumé
Most cancer therapies perform within a narrow therapeutic window causing numerous side effects and reducing the quality of life of cancer patients. Therefore, there is a need to develop new anti-cancer therapies of superior efficacy and minimal normal tissue toxicity. For this, identifying highly effective targets, which are essential for the survival of cancer cells, is required. A powerful genetic strategy in anticancer drug discovery is the exploitation of synthetic lethal interaction between genes. Synthetic lethal interaction is defined as interaction between two co-essential genes, in which inhibiting the function of either genes individually does not impact survival, but loss of function of both genes results in cell death. Cancer cells carry large number of mutations in many genes. These mutations can be grouped into gain-of-function, loss-of-function and function of unknown significance. Both gain and loss-of-function mutations occur in driver genes which are essential for cancer cells to grow and survive. MedGenome has built a database of somatic mutations – “Oncology Mutation Database” (OncoMD) by capturing data from published papers and public databases. We analyzed 2.2 million unique mutations in OncoMD and identified cancers in which certain mutation pairs occur more frequently than expected by chance. Analysis of these mutation pairs revealed well characterized genetic interactions between oncogenes and tumor suppressor genes and novel interactions that require further characterization. In conclusion, our analysis identifies cancer-specific susceptibilities that can be exploited for discovering novel drug targets.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».