Somatic evolution following cancer treatment in normal tissue
Notice bibliographique
Résumé
(more than 30,000× coverage) to analyse 168 cancer-free samples representing 16 organs from 22 patients with metastatic cancer enroled in the PEACE research autopsy study. In every sample, we identified somatic mutations (range 305-2,854 mutations) at low variant allele frequencies (median 0.0000323). We extracted 16 distinct single-base substitution mutational signatures, reflecting processes that have moulded the genomes of normal cells. We identified alcohol-induced mutation acquisition in liver, smoking-induced mutagenesis in lung and cardiac tissue, and multiple treatment-induced processes, which correlated with therapy type and duration. Exogenous sources, including treatment, underpinned, on average, more than 40% of mutations in liver but less than 10% of mutations in brain samples. Finally, we observed tissue-specific selection, with positive selection in tissues such as lung (PTEN and PIK3CA), liver (NF2L2) and spleen (BRAF and NOTCH2), and limited selection in others, such as brain and cardiac tissue. More than 25% of driver mutations in normal tissue exposed to systemic anti-cancer therapy, including in TP53, could be attributed to treatment. Immunotherapy, although not associated with increased mutagenesis, was linked to driver mutations in PPM1D and TP53, illustrating how non-mutagenic treatment can sculpt somatic evolution. Our study reveals the rich tapestry of mutational processes and driver mutations in normal tissue, and the profound effect of lifetime exposures, including cancer treatment, on somatic evolution.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,003 | 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 ».