Redefinition of familial intestinal gastric cancer: clinical and genetic perspectives
Notice bibliographique
Résumé
Background Familial intestinal gastric cancer (FIGC) remains genetically unexplained and without testing/clinical criteria. Herein, we characterised the age of onset and disease spectrum of 50 FIGC families and searched for genetic causes potentially underlying a monogenic or an oligogenic/polygenic inheritance pattern. Methods Normal and tumour DNA from 50 FIGC probands were sequenced using Illumina custom panels on MiSeq, and their respective germline and somatic landscapes were compared with corresponding landscapes from sporadic intestinal gastric cancer (SIGC) and hereditary diffuse gastric cancer cohorts. Results The most prevalent phenotype in FIGC families was gastric cancer, detected in 138 of 208 patients (50 intestinal gastric cancer probands and 88 unknown gastric cancer histology relatives), followed by colorectal and breast cancers. After excluding benign and intronic variants lacking impact in splicing, 12 rare high-quality variants were found exclusively in 11 FIGC probands. Only two probands carried potentially deleterious variants, but lacked somatic second-hits, weakly supporting the monogenic hypothesis for FIGC. However, FIGC probands developed gastric cancer at least 10 years earlier and carried more TP53 germline common variants than SIGC (p=4.5E-03); FIGC and SIGC could be distinguished by specific germline and somatic variant profiles; there was an excess of FIGC tumours presenting microsatellite instability (38%); and FIGC tumours displayed significantly more somatic common variants than SIGC tumours (p=4.2E-06). Conclusion This study proposed the first data-driven testing criteria for FIGC families, and supported FIGC as a genetically determined, likely polygenic, gastric cancer-predisposing disease, with earlier onset and distinct from patients with SIGC at the germline and somatic levels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».