Novel mutations in actionable breast cancer genes by targeted sequencing in an ethnically homogenous cohort
Notice bibliographique
Résumé
Genetic testing is becoming an essential tool for breast cancer (BC) diagnosis and treatment pathway, and particularly important for early detection and cancer prevention. The purpose of this study was to explore the diagnostic yield of targeted sequencing of the high priority BC genes.We have utilized a cost-effective targeted sequencing approach of high priority actionable BC genes (BRCA1, BRCA2, ERBB2 and TP53) in a homogeneous patient cohort from Bangladesh (n = 52) by using tumor and blood samples.Blood derived targeted sequencing revealed 25.58% (11/43) clinically relevant mutations (both pathogenic and variants of uncertain significance (VUS)), with 13.95% (6/43) of samples carrying a pathogenic mutations. We have identified and validated five novel pathogenic germline mutations in this cohort, comprising of two frameshift deletions in BRCA2, and missense mutations in BRCA1, BRCA2 and ERBB2 gene respectively. Furthermore, we have identified three pathogenic mutations and a VUS within three tumor samples, including a sample carrying pathogenic mutations impacting both TP53 (c.322dupG; a novel frameshift insertion) and BRCA1 genes (c.116G > A). 22% of tissue samples had a clinically relevant TP53 mutation. Although the cohort is small, we have found pathogenic mutations to be enriched in BRCA2 (9.30%, 4/43) compare to BRCA1 (4.65%, 2/43). The frequency of germline VUS mutations found to be similar in both BRCA1 (4.65%; 2/43) and BRCA2 (4.65%; 2/43) compared to ERBB2 (2.32%; 1/43).This is the first genetic study of BC predisposition genes in this population, implies that genetic screening through targeted sequencing can detect clinically significant and actionable BC-relevant 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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».