Analysis of Sequence and Copy Number Variants in Canadian Patient Cohort With Familial Cancer Syndromes Using a Unique Next Generation Sequencing Based Approach
Notice bibliographique
Résumé
BACKGROUND: Hereditary cancer predisposition syndromes account for approximately 10% of cancer cases. Next generation sequencing (NGS) based multi-gene targeted panels is now a frontline approach to identify pathogenic mutations in cancer predisposition genes in high-risk families. Recent evolvement of NGS technologies have allowed simultaneous detection of sequence and copy number variants (CNVs) using a single platform. In this study, we have analyzed frequency and nature of sequence variants and CNVs, in a Canadian cohort of patients, suspected with hereditary cancer syndrome, referred for genetic testing following specific genetic testing guidelines based on patient's personal and/or family history of cancer. METHODS: A 2870 patients were subjected to a single NGS based multi-gene targeted hereditary cancer panel testing algorithm to identify sequence variants and CNVs in cancer predisposition genes at our reference laboratory in Southwestern Ontario. CNVs identified by NGS were confirmed by alternative techniques like Multiplex ligation-dependent probe amplification (MLPA). RESULTS: A 15% (431/2870) patients had a pathogenic variant and 36% (1032/2870) had a variant of unknown significance (VUS), in a cancer susceptibility gene. A total of 287 unique pathogenic variant were identified, out of which 23 (8%) were novel. CNVs identified by NGS based approach accounted for 9.5% (27/287) of pathogenic variants, confirmed by alternate techniques with high accuracy. CONCLUSION: This study emphasizes the utility of NGS based targeted testing approach to identify both sequence and CNVs in patients suspected with hereditary cancer syndromes in clinical setting and expands the mutational spectrum of high and moderate penetrance cancer predisposition genes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».