MétaCan
Menu
Retour à la cohorte
Enregistrement W7161824181 · doi:10.82308/9344

Unraveling the genetics of cancer using whole-exome sequencing

2016· dissertation· en· W7161824181 sur OpenAlexaboutno aff
Jian Zhang

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChromatin Remodeling and Cancer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCancerSanger sequencingMutationCancer genetics

Résumé

récupéré en direct d'OpenAlex

Les études sur les cancer héréditaires ont aidé à la compréhension de la génétique du cancer. Les composantes héréditaires sont particulièrement importantes dans les cancers du sein et de l'ovaire. La technique du séquençage de l'exome (WES), qui cible la région codant pour la protéine dans le génome, a émergé comme une méthode puissante pour révéler des altérations génétiques liées au cancer. Le travail de doctorat présenté dans cette thèse porte sur la découverte de la base génétique sous-jacente du cancer du sein et de l'ovaire familial. En utilisant la technique WES comme outil d'enquête primaire, nous avons identifié les mutations délétères dans SMARCA4 présent dans tous les cas de carcinomes à petites cellules familiales de l'ovaire, de type hypercalcémie (SCCOHT) que nous avons étudié. L'analyse génomique a révélé que SCCOHT est universellement caractérisé par la perte totale de SMARCA4. Nous avons également effectué une analyse WES sur des familles québécoises avec cancer du sein sans mutations dans les gènes BRCA1 et BRCA2. Le criblage du gène candidate par séquençage de type Sanger dans des cas québécois supplémentaire a permis d'identifier RECQL comme un nouveau gène de susceptibilité au cancer du sein. Nos résultats indiquent l'importance des complexes de remodelage chromatique SWI/SNF dans le développement du SCCOHT et de la voie de réparation de l'ADN dans le développement du cancer du sein. L'identification de ces nouveaux gènes fournit des nouvelles cibles thérapeutiques de ces maladies. Dû l'importance des mutations somatiques à faible fraction allélique dans les cancers, nous avons développé un outil appelé « variant caller ». Cet outil utilise les donnés WES d'un échantillon tumoral, un échantillon apparié sain ainsi qu'un panneau de commande définie par l'utilisateur d'échantillons non-cancéreux. En comparaison avec d'autres outils existants, nous avons démontré une performance supérieure de notre algorithme, en particulier pour les échantillons de cancer de faible qualité tels que des échantillons formaline fixé et paraffine intégrée « as formalin-fixed and paraffin-embedded (FFPE) ».

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,324
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetChromatin Remodeling and CancerTravaux en français237 207