MétaCan
Menu
Retour à la cohorte
Enregistrement W2955114132 · doi:10.1186/s40246-019-0213-7

A novel knowledge-derived data potentizing method revealed unique liver cancer-associated genetic variants

2019· article· en· W2955114132 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueHuman Genomics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésIndelBiologyHuman geneticsExome sequencingComputational biologyGeneticsExomePrecision medicinePersonalized medicineGenomicsGeneGenomeCancerCancer genome sequencingSingle-nucleotide polymorphismGenotypeMutation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Next-generation sequencing (NGS) has been advancing the progress of detection of disease-associated genetic variants and genome-wide profiling of expressed sequences over the past decade. NGS enables the analyses of multiple regions of a genome in a single reaction format and has been shown to be a cost-effective and efficient tool for root-cause analysis of disease and optimization of treatment. NGS has been leading global efforts to device personalized and precision medicine (PM) in clinical practice. The effectiveness of NGS for the aforementioned applications has been proven unequivocal for multifactorial diseases like cancer. However, definitive prediction of cancer markers for all types of diseases and for global populations still remains highly rewarding because of the diversity of cancer types and genetic variants in human. RESULTS: We performed exome sequencing of four samples in quest of critical genetic factor/s associated with liver cancer. By imposing knowledge-based filter chains, we have revealed a panel of genetic variants, which are unrecognized by current major genomics data repositories. Total 20 MNV-induced, 5 INDEL-induced, and 31 SNV-induced neoplasm-exclusive genes were revealed through NGS data acquisition followed by data curing with the application of quality filter chains. Liver-specific expression profile of the identified gene pool is directed to the selection of 17 genes which could be the as likely causative genetic factors for liver cancer. Further study on expression level and relevant functional significance enables us to identify and conclude the following four novel variants, viz., c.416T>C (p.Phe139Ser) in SORD, c.1048_1049delGCinsCG (p.Ala350Arg) in KRT6A, c.1159G>T (p.Gly387Cys) in SVEP1, and c.430G>C (p.Gly144Arg) in MRPL38 as a critical genetic factor for liver cancer. CONCLUSION: By applying a novel data prioritizing rationale, we explored a panel of previously unaddressed liver cancer-associated variants. These findings may have an opportunity for early prediction of neoplasm/cancer in liver and designing of relevant personalized/precision liver cancer therapeutics in clinical practice. Since NGS protocol is associated with tons of non-specific mutations due to the variation in background genetic makeup of subjects, therefore, our method of data curing could be applicable for more effective screening of global genetic variants related to disease onset, progression, and remission.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · 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