Abstract 2228: A multi-omic perspective of how selection shapes blood cancer risk phenotypes in aging populations
Notice bibliographique
Résumé
Abstract The genetic architecture of blood is highly complex with germline polymorphisms, somatic point mutations, and larger chromosomal alterations playing a role in shaping the fitness of the immune cells. Many advances have been made in understanding how the age associated acquisition of point mutations and somatic structural variants (SSVs) in blood, termed Age-Related Clonal Hematopoiesis (ARCH), predispose individuals to hematological cancer or cardiovascular disease. Yet, ARCH is commonly observed in healthy individuals and our ability to predict who is at risk of progressing to disease remains limited. A previous study which integrated deep learning and population genetics methods to evaluate the complex interplay of selection on point mutations in deeply sequenced blood samples highlighted the role that negative selection plays in prevention progression to hematological cancer. Here, we interrogate the mutational and selective pressures within blood to better understand how the full spectrum of somatic changes within an individual impact clonal fitness and disease outcomes. We evaluate how selection shapes the prevalence of large somatic structural variation in blood sampled from 15,910 individuals across over 20 different genetic ancestries, including the Thousand Genomes Study and the Canadian Partnership for Tomorrow’s Health study. Using dense genotyping arrays, we capture SSVs among 20 populations and find that ARCH attributed to somatic structural variation is three times as high as previously reported with up to 14% of individuals harbouring at least one large SSV in their blood. We estimate the rate at which SSVs accrue in blood cells and find that selection impacts the size and frequency of SSVs within individual blood populations. To determine the functional impact of clonal mutations on molecular phenotypes, we investigate the relationship between structural variation and the transcriptome. We show that gains, losses and copy number neutral variants impact gene expression distinctly, with stabilizing selection shaping the penetrance of copy number alterations in gene expression. Our work shows how different classes of selection shape clonal dynamics in blood thus enabling us to better understand why certain individuals are at a high risk of malignancy. Citation Format: Kimberly Skead, David Soave, Marie-Julie Fave, Vanessa Bruat, Quaid Morris, Philip Awadalla. A multi-omic perspective of how selection shapes blood cancer risk phenotypes in aging populations [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2022; 2022 Apr 8-13. Philadelphia (PA): AACR; Cancer Res 2022;82(12_Suppl):Abstract nr 2228.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».