mutacja ATM
Mutacja ATM dotyczy genu ATM (Ataxia-Telangiectasia Mutated), który odgrywa kluczową rolę w odpowiedzi komórkowej na uszkodzenia DNA. Gen ten koduje kinazę serynowo-treoninową, która aktywuje się w odpowiedzi na dwuniciowe pęknięcia DNA, inicjując kaskadę sygnałową prowadzącą do naprawy DNA, kontroli cyklu komórkowego lub apoptozy.
Mutacje w genie ATM są przyczyną zespołu ataksja-teleangiektazja (A-T), rzadkiej choroby autosomalnej recesywnej, charakteryzującej się postępującą ataksją móżdżkową, teleangiektazjami skórnymi i oczami, niedoborem odporności, zwiększoną wrażliwością na promieniowanie jonizujące oraz podwyższonym ryzykiem nowotworów. Heterozygotyczni nosiciele mutacji ATM (około 1% populacji) mają umiarkowanie zwiększone ryzyko rozwoju niektórych nowotworów, szczególnie raka piersi.
W kontekście onkologicznym, mutacje ATM identyfikowane są w różnych typach nowotworów, w tym w chłoniakach, białaczkach, raku trzustki i prostaty. Zaburzenia funkcji ATM prowadzą do niestabilności genomowej i akumulacji mutacji. Identyfikacja mutacji ATM ma znaczenie kliniczne, gdyż może wpływać na wybór terapii – nowotwory z defektem ATM mogą wykazywać większą wrażliwość na inhibitory PARP oraz radioterapię.
Powiązane wpisy
- Leksykon chorób i schorzeń
Ataksja – Epidemiologia
Ataksja to zespół neurologiczny charakteryzujący się niezgrabnością i nieskoordynowanymi ruchami, wynikający z uszkodzeń móżdżku, rdzenia kręgowego, nerwów lub korzeni nerwowych. Częstość występowania ataksji u dzieci wynosi około 26/100 000, a dziedzicznych ataksji – 10/100 000. Ataksje rdzeniowo-móżdżkowe (SCA) mają częstość 3-5,6/100 000, z SCA3 (choroba Machado-Josepha) jako najczęstszym typem dominującym. Ataksja Friedreicha, najczęstsza autosomalna recesywna ataksja w populacji kaukaskiej, występuje z częstością 1 na 29 000 do 1 na 50 000, z nosicielstwem 1:60-1:90. Ataksja-telangiektazja (A-T) ma częstość 1 na 40 000 do 1 na 100 000, z ryzykiem nowotworów złośliwych (głównie białaczka i chłoniak) wynoszącym 10-38%. Ostra ataksja móżdżkowa u dzieci stanowi 50-60% przypadków ataksji dziecięcej, z częstością 1 na 100 000 do 1 na 500 000 rocznie.
ataksja dziedziczna, ataksja Friedreicha, ataksja rdzeniowo-móżdżkowa, ataksja-teleangiektazja, autosomalny dominujący wzorzec dziedziczenia, chłoniak, choroba Machado-Josepha, choroba neurodegeneracyjna, defekt naprawy DNA, defekt odporności komórkowej, efekt założyciela, móżdżek, mutacja ATM, nosicielstwo, obrazowanie MRI, ostra ataksja móżdżkowa, paraplegia spastyczna, populacja kaukaska, powtórzenie trinukleotydowe, układ nerwowy, zespół móżdżkowy, zespół neurologiczny - Leksykon chorób i schorzeń
Nowotwór – Rokowania, prognozy i postęp choroby
Nowotwory stanowią istotną przyczynę chorobowości i śmiertelności globalnie, a precyzyjne prognozowanie przebiegu choroby jest kluczowe dla personalizacji terapii onkologicznej. Tradycyjne metody oparte na parametrach kliniczno-patologicznych, takich jak klasyfikacja TNM, grading, stan węzłów chłonnych, obecność przerzutów oraz ocena sprawności według skali WHO-PS (ECOG-PS), mają ograniczoną skuteczność prognostyczną. W ostatnich latach rozwój sztucznej inteligencji (AI), uczenia maszynowego (ML) i głębokiego uczenia (DL) umożliwił integrację danych klinicznych, genomowych, radiomicznych i histopatologicznych, co znacząco poprawia dokładność przewidywania przeżycia i odpowiedzi na leczenie. Modele DL, takie jak DNN, CNN, DBN, DRN oraz transformatory wizyjne (ViT), wykazują przewagę nad tradycyjnymi metodami, umożliwiając m.in. ocenę ryzyka nawrotu, wczesną diagnostykę oraz dobór optymalnej terapii. Przykłady biomarkerów molekularnych o znaczeniu prognostycznym to 70-genowa sygnatura w raku piersi oraz test Oncotype DX (21 genów), które pomagają w stratyfikacji ryzyka i decyzjach terapeutycznych, choć ich skuteczność może być ograniczona czasowo (np. do 5 lat w przypadku Oncotype DX). Obciążenie mutacyjne guza (TMB) jest istotnym wskaźnikiem u pacjentów poddawanych immunoterapii.
choroba nowotworowa, delecja 11q, dokumentacja medyczna, drzewo decyzyjne, głęboka sieć neuronowa, głębokie uczenie, glejak niższego stopnia, klasyfikacja TNM, konwolucyjna sieć neuronowa, maszyna wektorów nośnych, mutacja ATM, obciążenie mutacyjne guza, przerzut odległy, przewlekła białaczka limfocytowa, rak nadnercza, rak pęcherza moczowego, rak piersi, rak prostaty, rak szyjki macicy, rak trzustki, sekwencjonowanie DNA, skala WHO-PS, stopień zróżnicowania guza, sztuczna sieć neuronowa, terapia adjuwantowa, węzły chłonne