Inherited Susceptibility to Cancer: Past, Present and Future
Notice bibliographique
Résumé
Germline pathogenic variants (GPVs, 'mutations') causing inherited susceptibility to certain cancers (cancer susceptibility genes, CSGs) broadly belong to one of two main classes-loss of function variants in tumour suppressor genes (TSGs) or gain of function variants in proto-oncogenes (an over-simplification). Genomic analyses of tumours identify 'driver mutations' promoting tumour growth and somatic variants which contribute to 'mutation signatures' which, with histopathology, can be used to subclassify cancers with implications for causality and treatment. The identification of susceptible individuals is important, as they and their relatives may be at elevated risk of tumours, and this can influence optimal cancer treatment. Classically, cancer risk assessment utilises family history, lifestyle/environment factors, and any non-neoplastic clinical findings, followed by genetic testing of high/moderate penetrance CSGs. In cancer cases not caused by highly penetrant CSGs, multiple variants conferring relatively small risks play a major role. These were discovered by genome-wide association (GWAS) studies. The utility of polygenic risk scores (PRS) derived from multiple such variants for clinical risk profiling is being assessed. Access to genetic tests is improved by widening eligibility criteria for testing and empowering non-genetic clinicians to identify CSG GPVs and manage carriers. This will contribute to expanding programmes of screening, prevention and early detection (SPED), with personalised surveillance and prophylactic interventions, and exploit knowledge of the molecular mechanisms of cancer susceptibility to develop novel cancer therapies. In some jurisdictions, population testing is being considered, but GPV penetrance in this setting can be unclear, and the public health implications are complex.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».