MétaCan
Menu
Retour à la cohorte
Enregistrement W2767269234 · doi:10.1093/neuonc/nox168.787

PDTM-23. THE ACTIVE REGULATORY LANDSCAPE OF EPENDYMAL TUMORS

2017· article· en· W2767269234 sur OpenAlexaff
Stephen C. Mack, Kristian W. Pajtler, Lukas Chávez, Stefan M. Pfister, Marcel Kool, Michael D. Taylor, Jeremy N. Rich

Notice bibliographique

RevueNeuro-Oncology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésBiologyChromatinComputational biologyEnhancerEpendymomaEpigenomicsLineage (genetic)Transcription factorTargeted therapyCancer researchDNA methylationGeneGeneticsCancerGene expressionMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Genomic sequencing has driven precision-based oncology therapy; however, genetic drivers remain unknown or non-targetable for many malignancies, demanding alternative approaches to identify therapeutic leads. Ependymomas comprise histologically similar tumour entities driven by distinct molecular mechanisms, such as fusion oncoproteins, genome-wide chromosomal instability, or disruption of DNA methylation patterns. Despite these differences, ependymomas commonly resist chemotherapy and lack available targeted agents for clinical trial development. In the case of genomically balanced ependymomas, and those driven by fusion oncoproteins, we hypothesized that the chromatin landscapes could uncover oncogenes that would inform actionable targets for therapy and reveal specific transcriptional circuitries to identify the molecular origins of the disease. To this end, we mapped active chromatin landscapes in 42 primary ependymomas in discovery and validation cohorts using H3K27 acetylation ChIP-seq. Enhancer regions revealed novel oncogenes, molecular targets, and pathways, which when subjected to small molecule inhibitor or shRNA treatment, increased survival and halted proliferation in mouse and neurosphere patient-derived models of ependymomas. Reconstruction of enhancer networks permitted the identification of core transcription factors (TFs) that establish ependymoma cell state, and lineage-specifying TFs that dictate molecular subgroup identity. Lineage-associated TFs point to distinct spatio-temporal origins of ependymoma subgroups such as FOXJ1 TF activity and expression observed preferentially in subsets of hindbrain ependymomas. To translate our results into a potential clinical paradigm, we demonstrate cancer dependencies on super enhancer associated genes and lineage TFs, and establish the utility of chromatin landscape analysis to predict novel targets for cancer therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,273
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207