Bibliographic record
Abstract
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) ».
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".