Notice bibliographique
Résumé
La leucémie lymphoïde représente 30% de tous les cancers chez l’enfant. SCL (« Stem cell leukemia ») et LMO1/2 (« LIM only protein ») sont les oncogènes les plus fréquemment activés dans les leucémies aiguës des cellules T chez l'enfant (T-ALL). L’expression ectopique de ces deux oncoprotéines dans le thymus de souris transgéniques induit un blocage de la différenciation des cellules T suivie d’une leucémie agressive qui reproduit la maladie humaine. Afin de définir les voies génétiques qui collaborent avec ces oncogènes pour induire des leucémies T-ALL, nous avons utilisé plusieurs approches. Par une approche de gène candidat, nous avons premièrement identifié le pTalpha, un gène crucial pour la différenciation des cellules T, comme cible directe des hétérodimères E2AHEB dans les thymocytes immatures. De plus, nous avons montré que pendant la différenciation normale des thymocytes, SCL inhibe la fonction E2A et HEB et qu’un dosage entre les protéines E2A, HEB et SCL détermine l’expression du pTalpha. Deuxièmement, par l’utilisation d’une approche globale et fonctionnelle, nous avons identifié de nouveaux gènes cibles des facteurs de transcription E2A et HEB et montré que SCL et LMO1 affectent la différenciation thymocytaire au stade préleucémique en inhibant globalement l’activité transcriptionnelle des protéines E par un mécanisme dépendant de la liaison à l’ADN. De plus, nous avons découvert que les oncogènes SCL et LMO1 sont soit incapables d’inhiber totalement l’activité suppresseur de tumeur des protéines E ou agissent par une voie d’induction de la leucémie différente de la perte de fonction des protéines E. Troisièmement, nous avons trouvé que Notch1, un gène retrouvé activé dans la majorité des leucémies T-ALL chez l’enfant, opère dans la même voie génétique que le pré-TCR pour collaborer avec les oncogènes SCL et LMO1 lors du processus de leucémogénèse. De plus, cette collaboration entre des facteurs de transcription oncogéniques et des voies de signalisation normales et importantes pour la détermination de la destinée cellulaire pourraient expliquer la transformation spécifique à un type cellulaire. Quatrièmement, nous avons trouvé que les oncogènes SCL et LMO1 sont des inducteurs de sénescence au stade préleucémique. De plus, la délétion du locus INK4A/ARF, un évènement retrouvé dans la majorité des leucémies pédiatriques T-ALL associées avec une activation de SCL, collabore aves les oncogènes SCL et LMO1 dans l’induction de la leucémie. Cette collaboration entre la perte de régulateurs de la sénescence suggère qu’un contournement de la réponse de sénescence pourrait être nécessaire à la transformation. Finalement, nous avons aussi montré que l’interaction directe entre les protéines SCL et LMO1 est critique pour l’induction de la leucémie. Ces études ont donc permis d’identifier des évènements collaborateurs, ainsi que des propriétés cellulaires affectées par les oncogènes associés avec la leucémie et de façon plus générale dans le développement du cancer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».