Establishing a Framework for the Clinical Translation of Germline Findings in Precision Oncology
Notice bibliographique
Résumé
Inherited genetic variation has important implications for cancer screening, early diagnosis, and disease prognosis. A role for germline variation has also been described in shaping the molecular landscape, immune response, microenvironment, and treatment response of individual tumors. However, there is a lack of consensus on the handling and analysis of germline information that extends beyond known or suspected cancer susceptibility in large-scale cancer genomics initiatives. As part of the Personalized OncoGenomics program in British Columbia, we performed whole-genome and transcriptome sequencing in paired tumor and normal tissues from advanced cancer patients to characterize the molecular tumor landscape and identify putative targets for therapy. Overall, our experience supports a multidisciplinary and integrative approach to germline data management. This includes a need for broader definitions and standardized recommendations regarding primary and secondary germline findings in precision oncology. Here, we propose a framework for identifying, evaluating, and returning germline variants of potential clinical significance that may have indications for health management beyond cancer risk reduction or prevention in patients and their families.
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 | 0,227 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,039 |
| Communication savante | 0,019 | 0,013 |
| Science ouverte | 0,007 | 0,015 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».