Data from Multiple germline events contribute to cancer development in patients with Li-Fraumeni syndrome
Notice bibliographique
Résumé
Abstract Li-Fraumeni syndrome (LFS) is an autosomal dominant cancer-predisposition disorder. Approximately 70% of individuals who fit the clinical definition of LFS harbour a pathogenic germline variant in the TP53 tumour suppressor gene. However, the remaining 30% of patients lack a TP53 variant and even among variant TP53 carriers, approximately 20% remain cancer-free. Understanding the variable cancer penetrance and phenotypic variability in LFS is critical to developing rational approaches to accurate, early tumour detection and risk-reduction strategies. We leveraged family-based whole-genome sequencing and DNA methylation to evaluate the germline genomes of a large, multi-institutional cohort of LFS patients (n=396) with variant (n=374) or wildtype TP53 (n=22). We identified alternative cancer-associated genetic aberrations in 8/14 wildtype TP53 carriers who developed cancer. Among variant TP53 carriers, 19/49 who developed cancer harboured a pathogenic variant in another cancer gene. Modifier variants in the WNT signaling pathway were associated with decreased cancer incidence. Furthermore, we leveraged the non-coding genome and methylome to identify inherited epimutations in genes including ASXL1, ETV6 and LEF1 that confer increased cancer risk. Using these epimutations, we built a machine learning model that can predict cancer risk in LFS patients with an AUROC of 0.725 [0.633-0.810].
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».