MétaCan
Menu
Retour à la cohorte
Enregistrement W4391023398 · doi:10.3390/cancers16020445

The Clinical, Genomic, and Transcriptomic Landscape of BRAF Mutant Cancers

2024· article· en· W4391023398 sur OpenAlexafffund
Suzanne Kazandjian, Emmanuelle Rousselle, Matthew Dankner, David W. Cescon, Anna Spreafico, Kim Ma, Petr Kavan, Gerald Batist, April A. N. Rose

Notice bibliographique

RevueCancers · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMelanoma and MAPK Pathways
Établissements canadiensPrincess Margaret Cancer CentreMcGill University Health CentreMcGill UniversityJewish General Hospital
Organismes subventionnairesFonds de Recherche du Québec - SantéInstitut TransMedTechAssociation Neurofibromatoses et RecklinghauseAmerican Society of Clinical OncologyConquer Cancer Foundation
Mots-clésTranscriptomeMutantBiologyComputational biologyCancer researchMedicineGeneticsGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Background: BRAF mutations are classified into four molecularly distinct groups, and Class 1 (V600) mutant tumors are treated with targeted therapies. Effective treatment has not been established for Class 2/3 or BRAF Fusions. We investigated whether BRAF mutation class differed according to clinical, genomic, and transcriptomic variables in cancer patients. Methods: Using the AACR GENIE (v.12) cancer database, the distribution of BRAF mutation class in adult cancer patients was analyzed according to sex, age, primary race, and tumor type. Genomic alteration data and transcriptomic analysis was performed using The Cancer Genome Atlas. Results: BRAF mutations were identified in 9515 (6.2%) samples among 153,834, with melanoma (31%), CRC (20.7%), and NSCLC (13.9%) being the most frequent cancer types. Class 1 harbored co-mutations outside of the MAPK pathway (TERT, RFN43) vs. Class 2/3 mutations (RAS, NF1). Across all tumor types, Class 2/3 were enriched for alterations in genes involved in UV response and WNT/β-catenin. Pathway analysis revealed enrichment of WNT/β-catenin and Hedgehog signaling in non-V600 mutated CRC. Males had a higher proportion of Class 3 mutations vs. females (17.4% vs. 12.3% q = 0.003). Non-V600 mutations were generally more common in older patients (aged 60+) vs. younger (38% vs. 15% p < 0.0001), except in CRC (15% vs. 30% q = 0.0001). Black race was associated with non-V600 BRAF alterations (OR: 1.58; p < 0.0001). Conclusions: Class 2/3 BRAFs are more present in Black male patients with co-mutations outside of the MAPK pathway, likely requiring additional oncogenic input for tumorigenesis. Improving access to NGS and trial enrollment will help the development of targeted therapies for non-V600 BRAF mutations.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 savante0,0000,000
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 Opus0,017
Tête enseignante GPT0,279
Écart entre enseignants0,262 · 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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetMelanoma and MAPK PathwaysTravaux en français237 207