Breast cancer family history and allele-specific DNA methylation in the legacy girls study
Notice bibliographique
Résumé
Family history, a well-established risk factor for breast cancer, can have both genetic and environmental contributions. Shared environment in families as well as epigenetic changes that also may be influenced by shared genetics and environment may also explain familial clustering of cancers. Epigenetic regulation, such as DNA methylation, can change the activity of a DNA segment without a change in the sequence; environmental exposures experienced across the life course can induce such changes. However, genetic-epigenetic interactions, detected as methylation quantitative trait loci (mQTLs; a.k.a. meQTLs) and haplotype-dependent allele-specific methylation (hap-ASM), can also contribute to inter-individual differences in DNA methylation patterns. To identify differentially methylated regions (DMRs) associated with breast cancer susceptibility, we examined differences in white blood cell DNA methylation in 29 candidate genes in 426 girls (ages 6-13 years) from the LEGACY Girls Study, 239 with and 187 without a breast cancer family history (BCFH). We measured methylation by targeted massively parallel bisulfite sequencing (bis-seq) and observed BCFH DMRs in two genes: ESR1 (Δ4.9%, P = 0.003) and SEC16B (Δ3.6%, P = 0.026), each of which has been previously implicated in breast cancer susceptibility and pubertal development. These DMRs showed high inter-individual variability in methylation, suggesting the presence of mQTLs/hap-ASM. Using single nucleotide polymorphisms data in the bis-seq amplicon, we found strong hap-ASM in SEC16B (with allele specific-differences ranging from 42% to 74%). These findings suggest that differential methylation in genes relevant to breast cancer susceptibility may be present early in life, and that inherited genetic factors underlie some of these epigenetic differences.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».