Novel Strategies for the Study of Genetic Factors Associated with Familial Breast Cancer
Bibliographic record
Abstract
Avoir une apparentée atteinte d’un cancer du sein (CS) multiplie par 2 le risque de développer un CS. Environ 20 % du risque familial de CS est attribué à une mutation fortement pénétrante dans les gènes BRCA1 ou BRCA2. D’autres gènes connus, comme ATM ou TP53, ainsi que des variants génétiques fréquents (SNP) identifiés dans des études pangénomiques (GWAS) réalisées en population générale, expliqueraient 30 % supplémentaires des cas familiaux. La majorité des formes familiales de CS restent donc inexpliquées. Par ailleurs, il existe de fortes variations du risque parmi les porteurs d’une mutation BRCA1/2. Il a été montré que certains SNP identifiés dans les GWAS modifient leur risque. Cependant, l'effet propre de ces SNP n'a pu être estimé puisque ces études ont été réalisées chez les porteurs de mutation BRCA1/2. Dans une première partie de ma thèse, j’ai développé une stratégie intégrant aux analyses sur les facteurs génétiques des facteurs « environnementaux ». Cette stratégie a été utilisées pour analyser les données de l'étude GENESIS qui inclut des paires de sœurs atteintes de CS et sans mutation BRCA1/2 et des témoins de population générale. Elle regroupe 5 000 cas de CS et témoins génotypés pour les 200 000 SNP de la puce iCOGS. Les femmes de GENESIS ont été réparties dans des groupes selon leur profil d’expositions aux radiations ou aux facteurs gynéco-obstétriques. Alors que l’analyse stratifiée sur les groupes construits à partir des expositions aux facteurs gynéco-obstétriques ne nous permet pas de mettre en évidence de potentiels SNPs spécifiques, l’analyse stratifiée sur les groupes construits à partir des expositions aux radiations a permis de mettre en évidence des SNPs spécifiques potentiels aux femmes non exposées, dans les gènes XRCC4 et MAGI1, et à celle fortement exposées aux radiations, dans le gène FGFR2, déjà trouvés en population générale.Le deuxième objectif de ma thèse visait à optimiser la caractérisation des gènes BRCA1/2 en étudiant leurs interactions avec des SNPs modificateurs à partir des données des consortia internationaux CIMBA (Consortium of Investigators of Modifiers of BRCA1/2) et BCAC (Breast Cancer Association Consortium). J’ai développé une stratégie d’analyse GWAS case-only, comparant la fréquence de 60 212 cas de cancer du sein de la population générale (BCAC) et 13,007 cas porteurs d’une mutation BRCA1/2 (CIMBA). J’ai identifié 4 nouvelles régions associés au CS chez les femmes porteuses d’une mutation BRCA1 et 4 autres chez les femmes porteuses d’une mutation BRCA2. Les gènes MADD, SPI1 et EIF1, déjà associées à la biologie du cancer du sein dans d’autres études, ont été prédits par l’outil INQUISIT comme étant des gènes cibles des potentiels variants causaux se trouvant dans la région 11p11.2 associée au statut BRCA1.Ces nouveaux SNPs mis en évidence pourraient être utilisés pour améliorer les prédictions de risque des PRS (Polygénic Risk Score). Les analyses prenant en compte des profils d’exposition devraient être poursuivies sur des études de grande dimension. Les modèles pourraient alors évoluer vers une adaptation des PRS en fonction des profils d’expositions des femmes et cela tout au long de leur vie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".