Gestational Mutations and Carcinogenesis
Notice bibliographique
Résumé
Background and Aims: We present a mathematical formulation to evaluate the effects of gestational mutations on cancer risk. Methods: The hazard or incidence function of cancer is expressed in terms of the Probability Generating Function (PGF) of the number of normal and mutated cells at birth. Using Filtered Poisson Process Theory, we obtain the PGF for several mechanistic models for the accumulation of gestational mutations. In particular, we develop expressions for the hazard function when one or two successive mutations could occur during gestation. We also calculate the hazard when the background gestational mutation rates are increased due to exposure to mutagens, such as prenatal radiation. Results: To illustrate the use of our models, we apply them to colorectal cancer in the SEER database. We find that the proportion of cancer risk attributable to developmental mutations depends on age and that it could be quite significant when gestational mutation rates are high. The analysis of the SEER data also shows that gestational mutations could contribute to inter-individual variations in colorectal cancer risk. Conclusions: Gestational mutations could have substantial impact on cancer risk if mutation rates are significant. Spontaneous mutations during gestation may be responsible for some of the heterogeneity of cancer risk in human populations. Our methodology can be used to estimate the effects of mutagen exposure during gestation on cancer risk. For adult onset cancers the largest risk of gestational exposure to mutagens appears to be conferred by exposure late during pregnancy.
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 | 0,000 | 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) | 0,001 | 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 ».