Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA LE MODIFICHE in fondo alla pagina
Bicocca Open Archive
The discovery of drivers of cancer has traditionally focused on protein-coding genes1–4. Here we present analyses of driver point mutations and structural variants in non-coding regions across 2,658 genomes from the Pan-Cancer Analysis of Whole Genomes (PCAWG) Consortium5 of the International Cancer Genome Consortium (ICGC) and The Cancer Genome Atlas (TCGA). For point mutations, we developed a statistically rigorous strategy for combining significance levels from multiple methods of driver discovery that overcomes the limitations of individual methods. For structural variants, we present two methods of driver discovery, and identify regions that are significantly affected by recurrent breakpoints and recurrent somatic juxtapositions. Our analyses confirm previously reported drivers6,7, raise doubts about others and identify novel candidates, including point mutations in the 5′ region of TP53, in the 3′ untranslated regions of NFKBIZ and TOB1, focal deletions in BRD4 and rearrangements in the loci of AKR1C genes. We show that although point mutations and structural variants that drive cancer are less frequent in non-coding genes and regulatory sequences than in protein-coding genes, additional examples of these drivers will be found as more cancer genomes become available.
Rheinbay, E., Nielsen, M., Abascal, F., Wala, J., Shapira, O., Tiao, G., et al. (2020). Analyses of non-coding somatic drivers in 2,658 cancer whole genomes. NATURE, 578(7793), 102-111 [10.1038/s41586-020-1965-x].
Analyses of non-coding somatic drivers in 2,658 cancer whole genomes
Rheinbay E.;Nielsen M. M.;Abascal F.;Wala J. A.;Shapira O.;Tiao G.;Hornshoj H.;Hess J. M.;Juul R. I.;Lin Z.;Feuerbach L.;Sabarinathan R.;Madsen T.;Kim J.;Mularoni L.;Shuai S.;Lanzos A.;Herrmann C.;Maruvka Y. E.;Shen C.;Amin S. B.;Bandopadhayay P.;Bertl J.;Boroevich K. A.;Busanovich J.;Carlevaro-Fita J.;Chakravarty D.;Chan C. W. Y.;Craft D.;Dhingra P.;Diamanti K.;Fonseca N. A.;Gonzalez-Perez A.;Guo Q.;Hamilton M. P.;Haradhvala N. J.;Hong C.;Isaev K.;Johnson T. A.;Juul M.;Kahles A.;Kahraman A.;Kim Y.;Komorowski J.;Kumar K.;Kumar S.;Lee D.;Lehmann K. -V.;Li Y.;Liu E. M.;Lochovsky L.;Park K.;Pich O.;Roberts N. D.;Saksena G.;Schumacher S. E.;Sidiropoulos N.;Sieverling L.;Sinnott-Armstrong N.;Stewart C.;Tamborero D.;Tubio J. M. C.;Umer H. M.;Uuskula-Reimand L.;Wadelius C.;Wadi L.;Yao X.;Zhang C. -Z.;Zhang J.;Haber J. E.;Hobolth A.;Imielinski M.;Kellis M.;Lawrence M. S.;von Mering C.;Nakagawa H.;Raphael B. J.;Rubin M. A.;Sander C.;Stein L. D.;Stuart J. M.;Tsunoda T.;Wheeler D. A.;Johnson R.;Reimand J.;Gerstein M.;Khurana E.;Campbell P. J.;Lopez-Bigas N.;Abascal F.;Amin S. B.;Bader G. D.;Bandopadhayay P.;Barenboim J.;Beroukhim R.;Bertl J.;Boroevich K. A.;Brunak S.;Campbell P. J.;Carlevaro-Fita J.;Chakravarty D.;Chan C. W. Y.;Chen K.;Choi J. K.;Deu-Pons J.;Dhingra P.;Diamanti K.;Feuerbach L.;Fink J. L.;Fonseca N. A.;Frigola J.;Gambacorti Passerini C.;Garsed D. W.;Gerstein M.;Getz G.;Guo Q.;Gut I. G.;Haan D.;Hamilton M. P.;Haradhvala N. J.;Harmanci A. O.;Helmy M.;Herrmann C.;Hess J. M.;Hobolth A.;Hodzic E.;Hong C.;Hornshoj H.;Isaev K.;Izarzugaza J. M. G.;Johnson R.;Johnson T. A.;Juul M.;Juul R. I.;Kahles A.;Kahraman A.;Kellis M.;Khurana E.;Kim J.;Kim J. K.;Kim Y.;Komorowski J.;Korbel J. O.;Kumar S.;Lanzos A.;Larsson E.;Lawrence M. S.;Lee D.;Lehmann K. -V.;Li S.;Li X.;Lin Z.;Liu E. M.;Lochovsky L.;Lou S.;Madsen T.;Marchal K.;Martincorena I.;Martinez-Fundichely A.;Maruvka Y. E.;McGillivray P. D.;Meyerson W.;Muinos F.;Mularoni L.;Nakagawa H.;Nielsen M. M.;Paczkowska M.;Park K.;Park K.;Pedersen J. S.;Pons T.;Pulido-Tamayo S.;Raphael B. J.;Reimand J.;Reyes-Salazar I.;Reyna M. A.;Rheinbay E.;Rubin M. A.;Rubio-Perez C.;Sahinalp S. C.;Saksena G.;Salichos L.;Sander C.;Schumacher S. E.;Shackleton M.;Shapira O.;Shen C.;Shrestha R.;Shuai S.;Sidiropoulos N.;Sieverling L.;Sinnott-Armstrong N.;Stein L. D.;Stuart J. M.;Tamborero D.;Tiao G.;Tsunoda T.;Umer H. M.;Uuskula-Reimand L.;Valencia A.;Vazquez M.;Verbeke L. P. C.;Wadelius C.;Wadi L.;Wang J.;Warrell J.;Waszak S. M.;Weischenfeldt J.;Wheeler D. A.;Wu G.;Yu J.;Zhang J.;Zhang X.;Zhang Y.;Zhao Z.;Zou L.;von Mering C.;Akdemir K. C.;Alvarez E. G.;Baez-Ortega A.;Beroukhim R.;Boutros P. C.;Bowtell D. D. L.;Brors B.;Burns K. H.;Busanovich J.;Campbell P. J.;Chan K.;Chen K.;Cortes-Ciriano I.;Dueso-Barroso A.;Dunford A. J.;Edwards P. A.;Estivill X.;Etemadmoghadam D.;Feuerbach L.;Fink J. L.;Frenkel-Morgenstern M.;Garsed D. W.;Gerstein M.;Gordenin D. A.;Haan D.;Haber J. E.;Hess J. M.;Hutter B.;Imielinski M.;Jones D. T. W.;Ju Y. S.;Kazanov M. D.;Klimczak L. J.;Koh Y.;Korbel J. O.;Kumar K.;Lee E. A.;Lee J. J. -K.;Li Y.;Lynch A. G.;Macintyre G.;Markowetz F.;Martincorena I.;Martinez-Fundichely A.;Meyerson M.;Miyano S.;Nakagawa H.;Navarro F. C. P.;Ossowski S.;Park P. J.;Pearson J. V.;Puiggros M.;Rippe K.;Roberts N. D.;Roberts S. A.;Rodriguez-Martin B.;Schumacher S. E.;Scully R.;Shackleton M.;Sidiropoulos N.;Sieverling L.;Stewart C.;Torrents D.;Tubio J. M. C.;Villasante I.;Waddell N.;Wala J. A.;Weischenfeldt J.;Yang L.;Yao X.;Yoon S. -S.;Zamora J.;Zhang C. -Z.;Weischenfeldt J.
;Beroukhim R.
;Martincorena I.
;Pedersen J. S.
;Getz G.
2020
Abstract
The discovery of drivers of cancer has traditionally focused on protein-coding genes1–4. Here we present analyses of driver point mutations and structural variants in non-coding regions across 2,658 genomes from the Pan-Cancer Analysis of Whole Genomes (PCAWG) Consortium5 of the International Cancer Genome Consortium (ICGC) and The Cancer Genome Atlas (TCGA). For point mutations, we developed a statistically rigorous strategy for combining significance levels from multiple methods of driver discovery that overcomes the limitations of individual methods. For structural variants, we present two methods of driver discovery, and identify regions that are significantly affected by recurrent breakpoints and recurrent somatic juxtapositions. Our analyses confirm previously reported drivers6,7, raise doubts about others and identify novel candidates, including point mutations in the 5′ region of TP53, in the 3′ untranslated regions of NFKBIZ and TOB1, focal deletions in BRD4 and rearrangements in the loci of AKR1C genes. We show that although point mutations and structural variants that drive cancer are less frequent in non-coding genes and regulatory sequences than in protein-coding genes, additional examples of these drivers will be found as more cancer genomes become available.
Rheinbay, E., Nielsen, M., Abascal, F., Wala, J., Shapira, O., Tiao, G., et al. (2020). Analyses of non-coding somatic drivers in 2,658 cancer whole genomes. NATURE, 578(7793), 102-111 [10.1038/s41586-020-1965-x].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/284746
Citazioni
332
322
Social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 598/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
