Genomic analysis of low‐grade serous ovarian carcinoma to identify key drivers and therapeutic vulnerabilities
Notice bibliographique
Résumé
Low-grade serous ovarian carcinoma (LGSOC) is associated with a poor response to existing chemotherapy, highlighting the need to perform comprehensive genomic analysis and identify new therapeutic vulnerabilities. The data presented here represent the largest genetic study of LGSOCs to date (n = 71), analysing 127 candidate genes derived from whole exome sequencing cohorts to generate mutation and copy-number variation data. Additionally, immunohistochemistry was performed on our LGSOC cohort assessing oestrogen receptor, progesterone receptor, TP53, and CDKN2A status. Targeted sequencing identified 47% of cases with mutations in key RAS/RAF pathway genes (KRAS, BRAF, and NRAS), as well as mutations in putative novel driver genes including USP9X (27%), MACF1 (11%), ARID1A (9%), NF2 (4%), DOT1L (6%), and ASH1L (4%). Immunohistochemistry evaluation revealed frequent oestrogen/progesterone receptor positivity (85%), along with CDKN2A protein loss (10%) and CDKN2A protein overexpression (6%), which were linked to shorter disease outcomes. Indeed, 90% of LGSOC samples harboured at least one potentially actionable alteration, which in 19/71 (27%) cases were predictive of clinical benefit from a standard treatment, either in another cancer's indication or in LGSOC specifically. In addition, we validated ubiquitin-specific protease 9X (USP9X), which is a chromosome X-linked substrate-specific deubiquitinase and tumour suppressor, as a relevant therapeutic target for LGSOC. Our comprehensive genomic study highlighted that there is an addiction to a limited number of unique 'driver' aberrations that could be translated into improved therapeutic paths. © 2020 The Pathological Society of Great Britain and Ireland. Published by John Wiley & Sons, Ltd.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».