Genetic predisposition to longer telomere length and risk of childhood, adolescent and adult-onset ependymoma
Notice bibliographique
Résumé
Abstract Ependymoma is the third most common brain tumor in children, with well-described molecular characterization but poorly understood underlying germline risk factors. To investigate whether genetic predisposition to longer telomere length influences ependymoma risk, we utilized case–control data from three studies: a population-based pediatric and adolescent ependymoma case–control sample from California (153 cases, 696 controls), a hospital-based pediatric posterior fossa type A (EPN-PF-A) ependymoma case–control study from Toronto’s Hospital for Sick Children and the Children’s Hospital of Philadelphia (83 cases, 332 controls), and a multicenter adult-onset ependymoma case–control dataset nested within the Glioma International Case-Control Consortium (GICC) (103 cases, 3287 controls). In the California case–control sample, a polygenic score for longer telomere length was significantly associated with increased risk of ependymoma diagnosed at ages 12–19 (P = 4.0 × 10 −3 ), but not with ependymoma in children under 12 years of age (P = 0.94). Mendelian randomization supported this observation, identifying a significant association between genetic predisposition to longer telomere length and increased risk of adolescent-onset ependymoma (OR PRS = 1.67; 95% CI 1.18–2.37; P = 3.97 × 10 −3 ) and adult-onset ependymoma (P MR-Egger = 0.042), but not with risk of ependymoma diagnosed before age 12 (OR = 1.12; 95% CI 0.94–1.34; P = 0.21), nor with EPN-PF-A (P MR-Egger = 0.59). These findings complement emerging literature suggesting that augmented telomere maintenance is important in ependymoma pathogenesis and progression, and that longer telomere length is a risk factor for diverse nervous system malignancies.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».