MétaCan
Menu
← Retour à la cohorte
Enregistrement W4239799622 · doi:10.3747/co.19.1076

Selected Abstracts Submitted to the Fourth International Symposium on Hereditary Breast and Ovarian Cancer

2012· article· en· W4239799622 sur OpenAlexvenueno aff
Christi J. van Asperen, Nandy Hofland, Sethareh Moghadasi, Joyce Wouts, Juul G. Wijnen, Maaike P.G. Vreeswijk

Notice bibliographique

RevueCurrent Oncology · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesServicio Gallego de SaludUniversitat de Lleida
Mots-clésIn silicoMedicineGeneticsBiologyGene

Résumé

récupéré en direct d'OpenAlex

Background: Nearly 15% of DNA tests for BRCA1/2 results in the identification of an unclassified variant (UV). In DNA diagnostic laboratories in The Netherlands, a 4-group classification system (class I to IV) is in use (Bell et al.). Aim of this study was to investigate whether the UVs in different classes showed a significant difference in their in silico characteristics and would justify current differences in protocols for counselling with respect to communication to the counselees. Methods: Missense UVs in BRCA1/2 identified between 2002 and 2010 (n = 88) were analyzed. In silico analysis of UVs was performed using SIFT– analysis Grantham score and AGVGD for the predicted severity of amino acid substitutions. Each UV was classified to one of the four classes. Results: More than half of the UVs (n = 50) were predicted to be tolerated using SIFT-analysis. Accordingly, all these variants are scored as neutral (C0) by AGVGD. Of the remaining 38 UVs not tolerated using SIFT-analysis, 19 were scored as C0 (neutral), 8 were scored C15–C25 (intermediate) and 11 were scored C35 or higher (likely to be pathogenic). Although class III UVs more frequently show in silico parameter outcomes that are suspicious for a pathogenic effect, the observed differences are not absolute. Seven UVs classified in class II had similar in silico profiles with 7 UVs in class III. Conclusion: This study showed that, in general, in silico analysis is consistently applied and proved to be able to discriminate between the different classes of UVs. However, additional analyses will be required to classify the UVs with more accuracy. In order to reduce psychological distress in families in which a UV is identified, we propose that communication of a UV should not primarily depend on its class, but also on the possibility to perform additional research in the family.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil0,810

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,2420,057

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 Opus0,034
Tête enseignante GPT0,349
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetBRCA gene mutations in cancer→Travaux en français237 207→