Differential Burden of Rare and Common Variants on Tumor Characteristics, Survival, and Mode of Detection in Breast Cancer
Notice bibliographique
Résumé
Abstract Genetic variants that increase breast cancer risk can be rare or common. This study tests whether the genetic risk stratification of breast cancer by rare and common variants in established loci can discriminate tumors with different biology, patient survival, and mode of detection. Multinomial logistic regression tested associations between genetic risk load [protein-truncating variant (PTV) carriership in 31 breast cancer predisposition genes—or polygenic risk score (PRS) using 162 single-nucleotide polymorphisms], tumor characteristics, and mode of detection (OR). Ten-year breast cancer–specific survival (HR) was estimated using Cox regression models. In this unselected cohort of 5,099 patients with breast cancer diagnosed in Sweden between 2001 and 2008, PTV carriers (n = 597) were younger and associated with more aggressive tumor phenotypes (ER-negative, large size, high grade, high proliferation, luminal B, and basal-like subtype) and worse outcome (HR, 1.65; 1.16–2.36) than noncarriers. After excluding 92 BRCA1/2 carriers, PTV carriership remained associated with high grade and worse survival (HR, 1.76; 1.21–2.56). In 5,007 BRCA1/2 noncarriers, higher PRS was associated with less aggressive tumor characteristics (ER-positive, PR-positive, small size, low grade, low proliferation, and luminal A subtype). Among patients with low mammographic density (<25%), non-BRCA1/2 PTV carriers were more often interval than screen-detected breast cancer (OR, 1.89; 1.12–3.21) than noncarriers. In contrast, higher PRS was associated with lower risk of interval compared with screen-detected cancer (OR, 0.77; 0.64–0.93) in women with low mammographic density. These findings suggest that rare and common breast cancer susceptibility loci are differentially associated with tumor characteristics, survival, and mode of detection. Significance: These findings offer the potential to improve screening practices for breast cancer by providing a deeper understanding of how risk variants affect disease progression and mode of detection. Cancer Res; 78(21); 6329–38. ©2018 AACR.
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 ».