Genomic Microsatellite Signatures Identify Germline Mismatch Repair Deficiency and Risk of Cancer Onset
Notice bibliographique
Résumé
PURPOSE Diagnosis of Mismatch Repair Deficiency (MMRD) is crucial for tumor management and early detection in patients with the cancer predisposition syndrome constitutional mismatch repair deficiency (CMMRD). Current diagnostic tools are cumbersome and inconsistent both in childhood cancers and in determining germline MMRD. PATIENTS AND METHODS We developed and analyzed a functional Low-pass Genomic Instability Characterization (LOGIC) assay to detect MMRD. The diagnostic performance of LOGIC was compared with that of current established assays including tumor mutational burden, immunohistochemistry, and the microsatellite instability panel. LOGIC was then applied to various normal tissues of patients with CMMRD with comprehensive clinical data including age of cancer presentation. RESULTS Overall, LOGIC was 100% sensitive and specific in detecting MMRD in childhood cancers (N = 376). It was more sensitive than the microsatellite instability panel (14%, P = 4.3 × 10 −12 ), immunohistochemistry (86%, P = 4.6 × 10 −3 ), or tumor mutational burden (80%, P = 9.1 × 10 −4 ). LOGIC was able to distinguish CMMRD from other cancer predisposition syndromes using blood and saliva DNA ( P < .0001, n = 277). In normal cells, MMRDness scores differed between tissues (GI > blood > brain), increased over time in the same individual, and revealed genotype-phenotype associations within the mismatch repair genes. Importantly, increased MMRDness score was associated with younger age of first cancer presentation in individuals with CMMRD ( P = 2.2 × 10 −5 ). CONCLUSION LOGIC was a robust tool for the diagnosis of MMRD in multiple cancer types and in normal tissues. LOGIC may inform therapeutic cancer decisions, provide rapid diagnosis of germline MMRD, and support tailored surveillance for individuals with CMMRD.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».