ETV transcriptional upregulation is more reliable than RNA sequencing algorithms and FISH in diagnosing round cell sarcomas with <i>CIC</i> gene rearrangements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CIC rearrangements have been reported in two-thirds of EWSR1-negative small blue round cell tumors (SBRCTs). However, a number of SBRCTs remain unclassified despite exhaustive analysis. Fourteen SBRCTs lacking driver genetic events by RNA sequencing (RNAseq) analysis were collected. Unsupervised hierarchical clustering was performed using samples from our RNAseq database, including 13 SBRCTs with non-CIC genetic abnormalities and 2 CIC-rearranged angiosarcomas among others. Remarkably, all 14 study cases showed high mRNA levels of ETV1/4/5, and by unsupervised clustering most grouped into a distinct cluster, separate from other tumors. Based on these results indicating a close relationship with CIC-rearranged tumors, we manually inspected CIC reads in RNAseq data. FISH for CIC and DUX4 abnormalities and immunohistochemical stains for ETV4 were also performed. In the control group, only 2 CIC-rearranged angiosarcomas had high ETV1/4/5 expression. Upon manual inspection of CIC traces, 7 of 14 cases showed CIC-DUX4 fusion reads, 2 cases had DUX4-CIC reads, while the remaining 5 were negative. FISH showed CIC break-apart in 7 cases, including 5 cases lacking CIC-DUX4 or DUX4-CIC fusion reads on RNAseq manual inspection. However, no CIC abnormalities were detected by FISH in 6 cases with CIC-DUX4 or DUX4-CIC reads. ETV4 immunoreactivity was positive in 7 of 11 cases. Our results highlight the underperformance of FISH and RNAseq methods in diagnosing SBRCTs with CIC gene abnormalities. The downstream ETV1/4/5 transcriptional up-regulation appears highly sensitive and specific and can be used as a reliable molecular signature and diagnostic method for CIC fusion positive SBRCTs.
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.
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) | 0,000 | 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 découle