MétaCan
Menu
← Retour à la cohorte
Enregistrement W2890257235 · doi:10.1200/jco.2018.36.15_suppl.12008

Evolution of genomic instability in metastatic cancer.

2018· article· en· W2890257235 sur OpenAlexaff
Eric Y. Stutheit-Zhao, Erin Pleasance, Martin Jones, Yaoqing Shen, Caralyn Reisle, Andrew J. Mungall, Richard A. Moore, Yongjun Zhao, Daniel J. Renouf, Janessa Laskin, Marco A. Marra, Steven J.M. Jones

Notice bibliographique

RevueJournal of Clinical Oncology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensGenome British ColumbiaCanada's Michael Smith Genome Sciences CentreBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMutationCancerGenome instabilityMetastasisGermline mutationMedicineDiseaseGeneticsBiologyComputational biologyGenePathologyDNA damage

Résumé

récupéré en direct d'OpenAlex

12008 Background: Although metastasis underlies up to 90% of cancer-related mortality, genomic instability and mutation signatures are mostly studied in primary tumours. Mutation signatures are patterns of somatic mutation resulting from specific mutational processes (i.e. tobacco/UV exposure) and often evolve over time. Recent studies suggest that certain mutation signatures may predict chemotherapy response. Understanding mutational processes in metastatic cancers could uncover actionable targets and refine the understanding of progression and drug resistance. Methods: As part of the BC Cancer Agency Personalized Oncogenomics Project, mutation signatures were deciphered from 571 metastatic whole genomes from 12 cancer types totalling 13,249,678 somatic mutations. We created a novel Bayesian hiearchical model named SignIT (github.com/eyzhao/SignIT) to track temporal evolution of mutation signatures. Using real and simulated data, we showed that SignIT decomposes signatures and their temporal evolution more accurately than comparable methods. Previous chemotherapy treatments were catalogued for all patients by retrospective review. Results: We discovered 21 distinct mutation signatures, including 9 novel signatures (numbered M1-M9). Mutational processes associated with aging and cigarette smoke were early-arising. Signature 17 and M2 were consistently late-arising across cancer types and metastatic sites. Prior treatment with platinum-based chemotherapy was associated with depression of the homologous recombination deficiency signature 3 (p = 0.03). Platinum exposure was also associated with late elevation of signature 17. Conclusions: To date, this is the largest study of metastatic cancer whole genomes. Our findings revealed 9 novel mutation signatures, including potential markers of late disease and metastasis. We also observed temporal evolution of mutation signatures correlated with chemotherapy exposures. The association of decreasing signature 3 activity with platinum exposure suggests the restoration of homologous recombination as a resistance mechanism. These findings highlight the complexity of metastatic cancers, and the variety of factors which impact their mutagenesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,442
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→