Comparative genomics of high grade neuroendocrine carcinoma of the cervix
Notice bibliographique
Résumé
In order to improve treatment selection for high grade neuroendocrine carcinomas of the cervix (NECC), we performed a comparative genomic analysis between this rare tumor type and other cervical cancer types, as well as extra-cervical neuroendocrine small cell carcinomas of the lung and bladder. We performed whole exome sequencing on fresh-frozen tissue from 15 NECCs and matched normal tissue. We then identified mutations and copy number variants using standard analysis pipelines. Published mutation tables from cervical cancers and extra-cervical small cell carcinomas were used for comparative analysis. Descriptive statistical methods were used and a two-sided threshold of P < .05 was used for significance. In the NECC cohort, we detected a median of 1.7 somatic mutations per megabase (range 1.0-20.9). PIK3CA p.E545K mutations were the most frequency observed oncogenic mutation (4/15 tumors, 27%). Activating MAPK pathway mutations in KRAS (p.G12D) and GNAS (p.R201C) co-occurred in two tumors (13%). In total we identified PI3-kinase or MAPK pathway activating mutations in 67% of NECC. When compared to NECC, lung and bladder small cell carcinomas exhibited a statistically significant higher rate of coding mutations (P < .001 for lung; P = .001 for bladder). Mutation of TP53 was uncommon in NECC (13%) and was more frequent in both lung (103 of 110 tumors [94%], P < .001) and bladder (18 of 19 tumors [95%], P < .001) small cell carcinoma. These comparative genomics data suggest that NECC may be genetically more similar to common cervical cancer subtypes than to extra-cervical small cell neuroendocrine carcinomas of the lung and bladder. These results may have implications for the selection of cytotoxic and targeted therapy regimens for this rare disease.
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) | 0,001 | 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) | 0,000 | 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 ».