Pan-cancer analysis of biallelic inactivation in tumor suppressor genes identifies KEAP1 zygosity as a predictive biomarker in lung cancer

生物 合子性 肺癌 癌症 生物标志物 基因 抑制器 癌症研究 遗传学 抑癌基因 癌变 肿瘤科 医学
作者
Mark Zucker,Maria Perry,Samuel I. Gould,Arielle Elkrief,Anton Safonov,Rohit Thummalapalli,Miika Mehine,Debyani Chakravarty,A. Rose Brannon,Marc Ladanyi,Pedram Razavi,Mark T.A. Donoghue,Yonina R. Murciano‐Goroff,Kristiana Grigoriadis,Nicholas McGranahan,Mariam Jamal‐Hanjani,Charles Swanton,Yuan Chen,Ronglai Shen,Sarat Chandarlapaty,David B. Solit,Nikolaus Schultz,Michael F. Berger,Jason S. Chang,Adam J. Schoenfeld,Francisco J. Sánchez‐Rivera,Ed Reznik,Chaitanya Bandlamudi
出处
期刊:Cell [Elsevier]
标识
DOI:10.1016/j.cell.2024.11.010
摘要

The canonical model of tumor suppressor gene (TSG)-mediated oncogenesis posits that loss of both alleles is necessary for inactivation. Here, through allele-specific analysis of sequencing data from 48,179 cancer patients, we define the prevalence, selective pressure for, and functional consequences of biallelic inactivation across TSGs. TSGs largely assort into distinct classes associated with either pan-cancer (Class 1) or lineage-specific (Class 2) patterns of selection for biallelic loss, although some TSGs are predominantly monoallelically inactivated (Class 3/4). We demonstrate that selection for biallelic inactivation can be utilized to identify driver genes in non-canonical contexts, including among variants of unknown significance (VUSs) of several TSGs such as KEAP1. Genomic, functional, and clinical data collectively indicate that KEAP1 VUSs phenocopy established KEAP1 oncogenic alleles and that zygosity, rather than variant classification, is predictive of therapeutic response. TSG zygosity is therefore a fundamental determinant of disease etiology and therapeutic sensitivity.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
动人的老黑完成签到 ,获得积分10
刚刚
星星泡饭发布了新的文献求助10
刚刚
1秒前
Silence完成签到,获得积分10
1秒前
yan儿发布了新的文献求助10
2秒前
pearl完成签到,获得积分10
3秒前
hahah发布了新的文献求助10
3秒前
请叫我风吹麦浪应助胖豆采纳,获得10
3秒前
无花果应助幸福胡萝卜采纳,获得10
3秒前
4秒前
卡卡发布了新的文献求助10
4秒前
wanci应助风趣的天真采纳,获得10
4秒前
Silence发布了新的文献求助10
4秒前
清爽老九发布了新的文献求助100
4秒前
5秒前
衔尾蛇发布了新的文献求助10
5秒前
小蔡会有猫的完成签到,获得积分10
5秒前
zhai发布了新的文献求助10
5秒前
5秒前
5秒前
村上春树的摩的完成签到 ,获得积分10
5秒前
5秒前
脑洞疼应助JACK采纳,获得10
6秒前
zhouyunan完成签到,获得积分10
6秒前
昵称发布了新的文献求助10
6秒前
6秒前
6秒前
馥日祎完成签到,获得积分10
6秒前
Ava应助Rui采纳,获得10
7秒前
coolkid完成签到 ,获得积分10
7秒前
贼拉瘦的美神完成签到,获得积分10
8秒前
tsy完成签到 ,获得积分10
9秒前
April发布了新的文献求助20
9秒前
10秒前
今后应助不安豁采纳,获得10
11秒前
huifang发布了新的文献求助10
11秒前
11秒前
12秒前
12秒前
67发布了新的文献求助10
12秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527742
求助须知:如何正确求助?哪些是违规求助? 3107867
关于积分的说明 9286956
捐赠科研通 2805612
什么是DOI,文献DOI怎么找? 1540026
邀请新用户注册赠送积分活动 716884
科研通“疑难数据库(出版商)”最低求助积分说明 709762