Prevalence and Spectrum of <i>DICER1</i> Mutations in Adult-onset Thyroid Nodules with Indeterminate Cytology
Notice bibliographique
Résumé
CONTEXT: DICER1 mutations are found in multinodular goiter and differentiated thyroid carcinoma in children, and can be a manifestation of DICER1 syndrome, but the prevalence of DICER1 mutations and their significance in adult-onset thyroid nodules is unknown. OBJECTIVE: Determine (1) the prevalence of DICER1 hotspot mutations in thyroid nodules; (2) the frequency of a second DICER1 pathogenic variant in thyroid nodules with DICER1 hotspot mutations; (3) the prevalence of other thyroid cancer driver mutations in thyroid nodules with and without DICER1 hotspot mutations. METHODS: Population-based study of 14 993 consecutive fine needle aspiration biopsies of thyroid nodules evaluated by ThyroSeq v3. From 214 DICER1 hotspot-positive cases, we selected 61, matched to DICER1 hotspot-negative nodules. We performed full sequencing of all exons and exon-intron boundaries of DICER1. SETTING: Commercial and university-based laboratories in the United States and Canada. RESULTS: Among 14 993 thyroid nodules, 214 (1.4%) revealed a DICER1 hotspot mutation. A second pathogenic/likely pathogenic variant in DICER1 was found in 45/59 (76%) DICER1 hotspot-positive nodules studied while no other DICER1 variant was identified in the DICER1 hotspot-negative group by full DICER1 sequencing. Other alterations in thyroid-related genes were significantly more frequent in DICER1 hotspot-negative nodules (32/61) than in DICER1 hotspot--positive nodules (4/59) (P < .0001). CONCLUSION: DICER1 alterations occur in a proportion of adult thyroid nodules and appear mutually exclusive with alterations in other thyroid cancer-related genes. DICER1 hotspot mutations occur with a second hit in most cases and could suggest occult DICER1 syndrome in adults with thyroid nodules.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».