MétaCan
Menu
Retour à la cohorte
Enregistrement W2999172547 · doi:10.1158/1535-7163.targ-19-lb-a06

Abstract LB-A06: A high-throughput functional screen discovered that endogenous DNA damage underlies mechanisms of selected gene susceptibility factors predisposing to lung cancer

2019· article· en· W2999172547 sur OpenAlexaff
Jun Xia, Zhuoyi Song, Xuemei Ji, James McKay, Yohan Bossé, Christopher I. Amos

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBiologyCandidate geneGenome-wide association studyGeneticsCarcinogenesisGeneLung cancerDNA repairDNA damageGenome instabilityExpression quantitative trait lociCancerSingle-nucleotide polymorphismDNAGenotypeMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Genome and transcriptome-wide association studies (GWAS and TWAS) have been successful in identifying genetic variants and candidate causal genes associated with lung cancer. However, systematic identification and functional studies of these genes remains a major bottleneck to clinical translation. Endogenous DNA damage has been implicated in genome instability and carcinogenesis, and we have recently discovered large networks of DNA damage-up proteins that are mostly non-DNA repair proteins [Xia J et al., Cell 176 (2019): 127–143], with many more predicted. Here, we validated several lung cancer-associated genes from GWAS and TWAS as DNA damage-up genes, which can potentially explain the cause of gene susceptibility to lung cancer. We performed a comprehensive exome-wide association study and TWAS analysis of the GWAS-nominated loci using expression quantitative trait loci (eQTL) analysis, which revealed many new candidate causal genes for lung cancer. We further tested endogenous DNA damage levels for many of these candidates using high-throughput cell-based assays and discovered that an alteration of the expression levels of multiple genes elevates the endogenous DNA damage, which is an early biomarker for genome instability and cancer. In our recent comprehensive TWAS, we mapped seventeen candidate-causal genes among previously described lung cancer GWAS loci. These include a new susceptibility locus for lung adenocarcinoma with AQP3 as the underlying causal gene and a new susceptibility gene, NEXN, for lung cancer in never-smokers. Additionally, we discovered that IREB2 is the gene most strongly associated with lung cancer on chromosome 15q25. In a separate study, we found that KIAA0930 was overproduced across multiple cancer types, including lung cancer. We used high-throughput cell-based assays and showed that overproduction of AQP3 or KIAA0930 elevated endogenous DNA damage in the lung fibroblast cell line and in kidney epithelial cells, which suggests a pan-cancer phenotype. Additionally, knocking down IREB2 increases spontaneous DNA damage in the lung fibroblast cell line, but this was not observed by knocking down NEXN. We are also implementing unbiased pooled screenings for other functional readouts. We established a functional validation platform that measures endogenous DNA damage for lung cancer susceptibility genes, and more importantly, this functional pipeline can be generalized to other cancers or diseases. Our discovery will potentially annotate many GWAS and TWAS genes as DNA damage-up genes and assign their cancer-driving roles to genome instability. Citation Format: Jun Xia, Zhuoyi Song, Xuemei Ji, James Mckay, Yohan Bossé, Christopher I Amos. A high-throughput functional screen discovered that endogenous DNA damage underlies mechanisms of selected gene susceptibility factors predisposing to lung cancer [abstract]. In: Proceedings of the AACR-NCI-EORTC International Conference on Molecular Targets and Cancer Therapeutics; 2019 Oct 26-30; Boston, MA. Philadelphia (PA): AACR; Mol Cancer Ther 2019;18(12 Suppl):Abstract nr LB-A06. doi:10.1158/1535-7163.TARG-19-LB-A06

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,272
Écart entre enseignants0,239 · 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'étudeExpérimental (laboratoire)
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetRNA modifications and cancerTravaux en français237 207