Monoallelic Expression Determines Oncogenic Progression and Outcome in Benign and Malignant Brain Tumors
Notice bibliographique
Résumé
Although monoallelic expression (MAE) is a frequent genomic event in normal tissues, its role in tumorigenesis remains unclear. Here we carried out single-nucleotide polymorphism arrays on DNA and RNA from a large cohort of pediatric and adult brain tumor tissues to determine the genome-wide rate of MAE, its role in specific cancer-related genes, and the clinical consequences of MAE in brain tumors. We also used targeted genotyping to examine the role of tumor-related genes in brain tumor development and specifically examined the clinical consequences of MAE at TP53 and IDH1. The genome-wide rate of tumor MAE was higher than in previously described normal tissue and increased with specific tumor grade. Oncogenes, but not tumor suppressors, exhibited significantly higher MAE in high-grade compared with low-grade tumors. This method identified nine novel genes highly associated with MAE. Within cancer-related genes, MAE was gene specific; hTERT was most significantly affected, with a higher frequency of MAE in adult and advanced tumors. Clinically, MAE at TP53 exists only in mutated tumors and increases with tumor aggressiveness. MAE toward the normal allele at IDH1 conferred worse survival even in IDH1 mutated tumors. Taken together, our findings suggest that MAE is tumor and gene specific, frequent in brain tumor subtypes, and may be associated with tumor progression/aggressiveness. Further exploration of MAE at relevant genes may contribute to better understanding of tumor development and determine survival in brain tumor patients.
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 | 0,001 | 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 | 0,000 | 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 ».