MétaCan
Menu
Retour à la cohorte
Enregistrement W3182039670 · doi:10.1093/neuonc/noab178

Emergence and maintenance of actionable genetic drivers at medulloblastoma relapse

2021· article· en· W3182039670 sur OpenAlexafffund
Stacey Richardson, Rebecca M. Hill, Christopher Kui, Janet C. Lindsey, Yura Grabovksa, Claire Keeling, Louise I. Pease, Matthew Bashton, Stephen Crosier, Maria Vinci, Nicolás André, Dominique Figarella‐Branger, Jordan R. Hansford, Maria Łastowska, Krzysztof Zakrzewski, Mette Jørgensen, Jessica C. Pickles, Michael D. Taylor, Stefan M. Pfister, Stephen B. Wharton, Barry Pizer, Antony Michalski, Abhijit Joshi, Thomas S. Jacques, Debbie Hicks, Ed C. Schwalbe, Daniel Williamson, Vijay Ramaswamy, Simon Bailey, Steven C. Clifford

Notice bibliographique

RevueNeuro-Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensHospital for Sick Children
Organismes subventionnairesMedical Research CouncilBrain Tumour CharityCHILDREN with CANCER UKCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchAction Medical ResearchCancer Research UKC.R. Younger FoundationAcademy of Medical SciencesJGW Patterson Foundation
Mots-clésMedulloblastomaBiologyOncologyWnt signaling pathwayDiseaseMutationGenetic divergenceInternal medicineGeneCohortGeneticsBioinformaticsMedicineGenetic diversity

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Less than 5% of medulloblastoma (MB) patients survive following failure of contemporary radiation-based therapies. Understanding the molecular drivers of medulloblastoma relapse (rMB) will be essential to improve outcomes. Initial genome-wide investigations have suggested significant genetic divergence of the relapsed disease. METHODS: We undertook large-scale integrated characterization of the molecular features of rMB-molecular subgroup, novel subtypes, copy number variation (CNV), and driver gene mutation. 119 rMBs were assessed in comparison with their paired diagnostic samples (n = 107), alongside an independent reference cohort sampled at diagnosis (n = 282). rMB events were investigated for association with outcome post-relapse in clinically annotated patients (n = 54). RESULTS: Significant genetic evolution occurred over disease-course; 40% of putative rMB drivers emerged at relapse and differed significantly between molecular subgroups. Non-infant MBSHH displayed significantly more chromosomal CNVs at relapse (TP53 mutation-associated). Relapsed MBGroup4 demonstrated the greatest genetic divergence, enriched for targetable (eg, CDK amplifications) and novel (eg, USH2A mutations) events. Importantly, many hallmark features of MB were stable over time; novel subtypes (>90% of tumors) and established genetic drivers (eg, SHH/WNT/P53 mutations; 60% of rMB events) were maintained from diagnosis. Critically, acquired and maintained rMB events converged on targetable pathways which were significantly enriched at relapse (eg, DNA damage signaling) and specific events (eg, 3p loss) predicted survival post-relapse. CONCLUSIONS: rMB is characterised by the emergence of novel events and pathways, in concert with selective maintenance of established genetic drivers. Together, these define the actionable genetic landscape of rMB and provide a basis for improved clinical management and development of stratified therapeutics, across disease-course.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,258 · 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'étudeExpérimental (laboratoire)
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

Citations53
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207