MétaCan
Menu
Retour à la cohorte
Enregistrement W3091941748 · doi:10.1038/s41467-020-18883-x

Identification of 31 loci for mammographic density phenotypes and their associations with breast cancer risk

2020· article· en· W3091941748 sur OpenAlexafffund
Weiva Sieh, Joseph H. Rothstein, Robert J. Klein, Stacey Alexeeff, Lori C. Sakoda, Eric Jorgenson, Russell B. McBride, Rebecca E. Graff, Valerie McGuire, Ninah Achacoso, Luana Acton, Rhea Liang, Jafi A. Lipson, Daniel L. Rubin, Martin J. Yaffe, Douglas F. Easton, Catherine Schaefer, Neil Risch, Alice S. Whittemore, Laurel A. Habel

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute on AgingCancer Research UKHorizon 2020 Framework ProgrammeEuropean CommissionEllison Medical FoundationCanadian Institutes of Health ResearchGenome CanadaNational Cancer InstituteKaiser PermanenteWayne and Gladys Valley FoundationU.S. Department of Health and Human ServicesNational Institutes of HealthGovernment of Canada
Mots-clésBreast cancerPhenotypeMAMMOGRAPHIC DENSITYIdentification (biology)Genome-wide association studyGeneticsCancerMammographyOncologyBiologyMedicineBioinformaticsSingle-nucleotide polymorphismGeneGenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Mammographic density (MD) phenotypes are strongly associated with breast cancer risk and highly heritable. In this GWAS meta-analysis of 24,192 women, we identify 31 MD loci at P < 5 × 10 −8 , tripling the number known to 46. Seventeen identified MD loci also are associated with breast cancer risk in an independent meta-analysis ( P < 0.05). Mendelian randomization analyses show that genetic estimates of dense area (DA), nondense area (NDA), and percent density (PD) are all significantly associated with breast cancer risk ( P < 0.05). Pathway analyses reveal distinct biological processes involving DA, NDA and PD loci. These findings provide additional insights into the genetic basis of MD phenotypes and their associations with breast cancer risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations65
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAI in cancer detectionTravaux en français237 207