MétaCan
Menu
← Retour à la cohorte
Enregistrement W3032325473 · doi:10.1200/jco.2020.38.15_suppl.3571

Genomic analysis of driver-negative lung adenocarcinoma (LA) in lifetime never smokers.

2020· article· en· W3032325473 sur OpenAlexaff
Aline Fusco Fares, Sebastião N. Martins-Filho, Quan Li, Andrew Seto, Erin Stewart, Tong Zhang, Sally C. M. Lau, D. Ravi, Jessica Weiss, Devalben Patel, Nhu‐An Pham, Adrian G. Sacher, Penelope Ann Bradbury, Tracy Stockley, Natasha B. Leighl, Frances A. Shepherd, Ming‐Sound Tsao, Geoffrey Liu

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensUniversity of TorontoUniversity Health NetworkPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerExome sequencingOncologyROS1CohortAdenocarcinomaInternal medicineCancerBioinformaticsGeneticsMutationGeneBiology

Résumé

récupéré en direct d'OpenAlex

3571 Background: Genomic events giving rise to driver negative LA in never smokers remain elusive. Here we report results of whole exome sequencing (WES) and targeted RNA sequencing in NS who had no mutation drivers found on routine clinical testing by targeted next generation sequencing (NGS). Methods: The cohort of never smokers with EGFR/ALK negative LA by clinical biomarker testing at Princess Margaret Cancer Centre, were first subjected to various clinical NGS profiling platforms (table). Where tissue was available, those negative for potential drivers in the clinical NGS then underwent WES (mean coverage > 200x) and Oncomine comprehensive v.3 RNA sequencing. We analyzed mutational signatures (MS) of the driver negative cohort based on the COSMIC catalog and assessed the median tumor mutation burden (mTMB mut/Mb -Megabase) in cases without a smoking MS, to avoid confounders. Results: Of 159 never smokers profiled with clinical NGS, potential drivers were found in 86 (54%): 75 (87%) with mutations in known LA driver genes and 11 (13%) with fusions. Among the remaining never smokers that tested negative by clinical NGS, 35 (48%) had available tissue for further testing. The Oncomine panel identified 9 cases (25%) with fusions or MET exon14 mutation (n = 7). Within the driver negative group, 24 (92%) underwent WES. Three tumors had WES base substitution patterns that were consistent with a smoking-related MS (MS4). Twenty-one patients exhibited signatures found common across all cancer types (MS 5), associated with DNA mismatch repair (MS 6, MS 20) or APOBEC over-activation (MS 2, MS13). In the driver-negative group, we identified 7 pts with somatic mutations in the KMT2 family (4 KMT2C, 4 KMT2A, 1 KMT2D), known for putative tumor suppressors and histone methyltransferases. mTMB on the driver negative group was 1.92, while one outlier with APOBEC MS and KMT2C/A mutations had a TMB of 16.8. Conclusions: Never smokers with driver negative LA are a heterogeneous group, with different MS and a wide TMB range. Mutations on KMT2 family are frequently found in driver negative LA in never smokers and warrant further investigations. [Table: see text]

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,075
Tête enseignante GPT0,475
Écart entre enseignants0,400 · 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'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→