Analysis of Molecular Networks Uncovers Potential Targets in Vestibular Schwannoma
Notice bibliographique
Résumé
Objective : Understanding molecular pathway mechanisms of the formation of vestibular schwannoma may lead to potential therapeutic targets. Study Design : We performed gene expression profiling of 49 schwannomas (36 sporadic and 13 NF2-associated cases) and 7 normal control vestibular nerves. Results : We identified over 4,000 differentially expressed genes between control and schwannoma with network analysis uncovering proliferation and antiapoptotic pathways previously not implicated in vestibular schwannomas. Using several distinct clustering technologies, we could not reproducibly identify subtypes of schwannomas suggesting that our schwannoma cohort was molecularly distinct from normal tissue yet highly similar among themselves. At the molecular level the PI3K/AKT/mTOR signaling network was overexpressed in our schwannoma cohort and evaluated for therapeutic targeting. Testing compounds BEZ235 and PKI-587 both novel dual inhibitors of PI3K and mTOR attenuated tumor growth in a preclinical cell line model of schwannoma (HEI-293). In vitro findings demonstrated that ablation of the PI3K/AKT/mTOR pathway with next generation inhibitors lead to decreased cell viability and increased cell death. Conclusion : The discovery of novel molecular targets in vestibular schwannoma by transcriptional profiling as compared with appropriate controls may lead to effective therapeutic strategies and shed insight into the molecular ontogeny of this tumor.
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 | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».