MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386651916 · doi:10.21203/rs.3.rs-1348366/v1

Whole-Exome Sequencing Identified Mutational Profiles of Urothelial Carcinoma post Kidney Transplantation

2022· preprint· en· W4386651916 sur OpenAlexaff
Lee‐Moay Lim, Wen‐Yu Chung, Daw‐Yang Hwang, Chih-Chuan Yu, Hung‐Lung Ke, Peir‐In Liang, Ting-Wei Lin, A‐Mei Huang, Hung‐Tien Kuo

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesKaohsiung Medical University Chung-Ho Memorial HospitalUniversität zu KölnKaohsiung Medical University
Mots-clésExome sequencingTransplantationKidney transplantationExomeBiologySingle-nucleotide polymorphismGNAQGeneCancer researchBioinformaticsGeneticsMedicineMutationInternal medicineGenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Kidney transplantation is a lifesaving option of selected patients with end-stage kidney disease (ESKD). Urothelial carcinoma (UC) is the most common de novo cancer after kidney transplantation in Taiwan. UC has the characteristics of high mutational burden and elevated degree of molecular heterogeneity compared with other solid tumors. However, there are limited research exploring the genomic alterations in UC after kidney transplantation. Methods: In this study, we performed whole exome sequencing (WES) to compare the genetic alterations between UC developed after kidney transplantation (UCKT) and UC from hemodialysis patients (UCHD). After mapping and variant calling, a total of 18,733 and 11,093 mutations were identified from UCKT and UCHD patients, respectively. We first excluded known SNPs and then retained genes that were annotated in Cosmic, Intogen, and TCGA bladder databases for onco-driver genes. Seventeen UCKT unique genes with recurrent SNPs in more than two patients were subjected for further analysis. IPA pathway analysis was used to explore the interconnections among these genes. Results: 17 novel mutations of BTK, CARD11, ELL, FNBP1, GNAQ, HOXD13, IKZF1, MAX, MLLT10, NTRK3, PAX5, SEPTIN6, SEPTIN9, SH3GL1, SLC34A2, TAL1 , and TRAF7 were identified UCKT groups, and none of the genes had been reported in the genomes of patients with UC. Among the affected genes, GNAQ, IKZF1, and NTRK3 were potentially involved in the signaling network of UCKT. Conclusion : Our findings provide information for understanding the mutational landscape of UC developed after kidney transplantation, and a gene list that may be of great importance in related molecular mechanisms. Genetic analysis in malignancy after transplantation may help to identify high risk patients in post-transplant care and also illuminate a fundamental aspect of the molecular pathogenesis of post-transplantation UC.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,378
Écart entre enseignants0,293 · 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'étudeObservationnel
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 revueResearch Square→Même sujetRenal cell carcinoma treatment→Travaux en français237 207→