Microarray-based copy number analysis of neurofibromatosis type-1 (NF1)-associated malignant peripheral nerve sheath tumors reveals a role for Rho-GTPase pathway genes in NF1 tumorigenesis
Notice bibliographique
Résumé
Neurofibromatosis type-1 (NF1) is associated with the growth of benign and malignant tumors. Approximately 15% of NF1 patients develop malignant peripheral nerve sheath tumors (MPNSTs), underlining the need to identify specific diagnostic/prognostic biomarkers associated with MPNST development. The Affymetrix Genome-Wide Human single-nucleotide polymorphism (SNP) Array 6.0 was used to perform SNP genotyping and copy number alteration (CNA), loss-of-heterozygosity (LOH), and copy number neutral-LOH (CNN-LOH) analyses of DNA isolated from 15 MPNSTs, five benign plexiform neurofibromas (PNFs), and patient-matched lymphocyte DNAs. MPNSTs exhibited high-level CNN-LOH, with recurrent changes occurring in MPNSTs but not PNFs. CNN-LOH was evident in MPNSTs but occurred less frequently than genomic deletions. CNAs involving the ITGB8, PDGFA, Ras-related C3 botulinum toxin substrate 1 (RAC1) (7p21-p22), PDGFRL (8p22-p21.3), and matrix metallopeptidase 12 (MMP12) (11q22.3) genes were specific to MPNSTs. Pathway analysis revealed the MPNST-specific amplification of seven Rho-GTPase pathway genes and several cytoskeletal remodeling/cell adhesion genes. In knockdown experiments employing short-hairpin RAC1, ROCK2, PTK2, and LIMK1 RNAs to transfect both control and MPNST-derived cell lines, cell adhesion was significantly increased in the MPNST cell lines, whereas wound healing, cell migration, and invasiveness were reduced, consistent with a role for these Rho-GTPase pathway genes in MPNST development and metastasis. These results suggest new targets for therapeutic intervention in relation to MPNSTs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».