DNA Methylation and Breast Cancer Risk: An Epigenome-Wide Study of Normal Breast Tissue and Blood
Notice bibliographique
Résumé
Differential DNA methylation is a potential marker of breast cancer risk. Few studies have investigated DNA methylation changes in normal breast tissue and were largely confounded by cancer field effects. To detect methylation changes in normal breast epithelium that are causally associated with breast cancer occurrence, we used a nested case–control study design based on a prospective cohort of patients diagnosed with a primary invasive hormone receptor-positive breast cancer. Twenty patients diagnosed with a contralateral breast cancer (CBC) were matched (1:1) with 20 patients who did not develop a CBC on relevant risk factors. Differentially methylated Cytosine-phosphate-Guanines (CpGs) and regions in normal breast epithelium were identified using an epigenome-wide DNA methylation assay and robust linear regressions. Analyses were replicated in two independent sets of normal breast tissue and blood. We identified 7315 CpGs (FDR < 0.05), 52 passing strict Bonferroni correction (p < 1.22 × 10−7) and 43 mapping to known genes involved in metabolic diseases with significant enrichment (p < 0.01) of pathways involving fatty acids metabolic processes. Four differentially methylated genes were detected in both site-specific and regions analyses (LHX2, TFAP2B, JAKMIP1, SEPT9), and three genes overlapped all three datasets (POM121L2, KCNQ1, CLEC4C). Once validated, the seven differentially methylated genes distinguishing women who developed and who did not develop a sporadic breast cancer could be used to enhance breast cancer risk-stratification, and allow implementation of targeted screening and preventive strategies that would ultimately improve breast cancer prognosis.
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) | 0,000 | 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 ».