MétaCan
Menu
Retour à la cohorte
Enregistrement W4309016107 · doi:10.1093/neuonc/noac209.1156

MODL-29. IN SILICO MODELING TO PREDICT ONCOGENICITY AND POTENTIAL TARGETABILITY OF NOVEL FGFR VARIANTS IN PEDIATRIC LOW GRADE GLIOMA

2022· article· en· W4309016107 sur OpenAlexaff
Ben Laxer, Liana Nobre, Uri Tabori, Arun Anguraj Vadivel, Adrian Levine, Monique Johnson, Scott Ryall, Michelle Ku, Scott Milos, Cynthia Hawkins

Notice bibliographique

RevueNeuro-Oncology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFibroblast Growth Factor Research
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMutantFibroblast growth factor receptor 1Missense mutationMutationIn silicoWild typeFibroblast growth factor receptorCancer researchGeneBiologyGeneticsReceptorFibroblast growth factor

Résumé

récupéré en direct d'OpenAlex

Abstract Pediatric Low grade gliomas (pLGGs) are largely driven by alterations in the RAS-MAPK pathway. The third most commonly mutated gene in pLGGs is the FGFR1 gene, having alterations including fusions, duplications or missense mutations. Accurate identification of these alterations has become increasingly important as FGFR inhibitors enter the therapeutic space. Here we describe a case of a pLGG patient with an FGFR1 W289_insW290 found through NGS in the tumor at diagnosis, and progression, without additional alterations. This extracellular, third-Ig domain mutation has not been reported. Transcriptional and proteomic profiling of the tumor showed low MAPK and high PIK-AKT pathway activation when compared to other gliomas. Literature review identified disorders of bone formation with similar mutations in the homologous FGFR2 gene. One such mutation, FGFR2 W290G favors inter-receptor disulfide bond formation over the normal intra-receptor disulfide bond. To determine if this insertion is a possible driver mutation in our pLGG case, Alphafold2 protein simulation software was used to make in silico models; quality metrics from both Alphafold2 and VADAR1.8 were used. Structure simulations of the FGFR1 insertion mutant (pLDDT = 81.8) and the mutant FGFR2 W290G (pLDDT = 83.4), were generated and compared to a protein data base, experimentally determined structure of wildtype FGFR1. When monomers of all three structures were aligned using PyMol, the root mean square deviations were < 1.5 indicating the structures are correct or the same. Based on these results we concluded that, like the known FGFR2 mutation, this insertion is predicted to cause hyperactivity by inducing prolonged dimerization due to an aberrant inter-receptor disulfide bond but any structural or functional differences only occur when receptors are dimerized. We are currently generating isogenic cell line models to test this hypothesis and treat these cell lines with inhibitors to determine which treatments might work best for our patient.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,284
Écart entre enseignants0,265 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetFibroblast Growth Factor ResearchTravaux en français237 207