A small molecule screening strategy with validation on human leukemia stem cells uncovers the therapeutic efficacy of kinetin riboside
Notice bibliographique
Résumé
Gene regulatory networks that govern hematopoietic stem cells (HSCs) and leukemia-initiating cells (L-ICs) are deeply entangled. Thus, the discovery of compounds that target L-ICs while sparing HSC is an attractive but difficult endeavor. Presently, most screening approaches fail to counter-screen compounds against normal hematopoietic stem/progenitor cells (HSPCs). Here, we present a multistep in vitro and in vivo approach to identify compounds that can target L-ICs in acute myeloid leukemia (AML). A high-throughput screen of 4000 compounds on novel leukemia cell lines derived from human experimental leukemogenesis models yielded 80 hits, of which 10 were less toxic to HSPC. We characterized a single compound, kinetin riboside (KR), on AML L-ICs and HSPCs. KR demonstrated comparable efficacy to standard therapies against blast cells in 63 primary leukemias. In vitro, KR targeted the L-IC-enriched CD34(+)CD38(-) AML fraction, while sparing HSPC-enriched fractions, although these effects were mitigated on HSC assayed in vivo. KR eliminated L-ICs in 2 of 4 primary AML samples when assayed in vivo and highlights the importance of in vivo L-IC and HSC assays to measure function. Overall, we provide a novel approach to screen large drug libraries for the discovery of anti-L-IC compounds for human leukemias.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».