Novel Strategies for the Study of Genetic Factors Associated with Familial Breast Cancer
Notice bibliographique
Résumé
Avoir une apparentée atteinte d’un cancer du sein (CS) multiplie par 2 le risque de développer un CS. Environ 20 % du risque familial de CS est attribué à une mutation fortement pénétrante dans les gènes BRCA1 ou BRCA2. D’autres gènes connus, comme ATM ou TP53, ainsi que des variants génétiques fréquents (SNP) identifiés dans des études pangénomiques (GWAS) réalisées en population générale, expliqueraient 30 % supplémentaires des cas familiaux. La majorité des formes familiales de CS restent donc inexpliquées. Par ailleurs, il existe de fortes variations du risque parmi les porteurs d’une mutation BRCA1/2. Il a été montré que certains SNP identifiés dans les GWAS modifient leur risque. Cependant, l'effet propre de ces SNP n'a pu être estimé puisque ces études ont été réalisées chez les porteurs de mutation BRCA1/2. Dans une première partie de ma thèse, j’ai développé une stratégie intégrant aux analyses sur les facteurs génétiques des facteurs « environnementaux ». Cette stratégie a été utilisées pour analyser les données de l'étude GENESIS qui inclut des paires de sœurs atteintes de CS et sans mutation BRCA1/2 et des témoins de population générale. Elle regroupe 5 000 cas de CS et témoins génotypés pour les 200 000 SNP de la puce iCOGS. Les femmes de GENESIS ont été réparties dans des groupes selon leur profil d’expositions aux radiations ou aux facteurs gynéco-obstétriques. Alors que l’analyse stratifiée sur les groupes construits à partir des expositions aux facteurs gynéco-obstétriques ne nous permet pas de mettre en évidence de potentiels SNPs spécifiques, l’analyse stratifiée sur les groupes construits à partir des expositions aux radiations a permis de mettre en évidence des SNPs spécifiques potentiels aux femmes non exposées, dans les gènes XRCC4 et MAGI1, et à celle fortement exposées aux radiations, dans le gène FGFR2, déjà trouvés en population générale.Le deuxième objectif de ma thèse visait à optimiser la caractérisation des gènes BRCA1/2 en étudiant leurs interactions avec des SNPs modificateurs à partir des données des consortia internationaux CIMBA (Consortium of Investigators of Modifiers of BRCA1/2) et BCAC (Breast Cancer Association Consortium). J’ai développé une stratégie d’analyse GWAS case-only, comparant la fréquence de 60 212 cas de cancer du sein de la population générale (BCAC) et 13,007 cas porteurs d’une mutation BRCA1/2 (CIMBA). J’ai identifié 4 nouvelles régions associés au CS chez les femmes porteuses d’une mutation BRCA1 et 4 autres chez les femmes porteuses d’une mutation BRCA2. Les gènes MADD, SPI1 et EIF1, déjà associées à la biologie du cancer du sein dans d’autres études, ont été prédits par l’outil INQUISIT comme étant des gènes cibles des potentiels variants causaux se trouvant dans la région 11p11.2 associée au statut BRCA1.Ces nouveaux SNPs mis en évidence pourraient être utilisés pour améliorer les prédictions de risque des PRS (Polygénic Risk Score). Les analyses prenant en compte des profils d’exposition devraient être poursuivies sur des études de grande dimension. Les modèles pourraient alors évoluer vers une adaptation des PRS en fonction des profils d’expositions des femmes et cela tout au long de leur vie.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».