IL-13 receptors as possible therapeutic targets in diffuse intrinsic pontine glioma
Notice bibliographique
Résumé
Diffuse intrinsic pontine glioma (DIPG) is a universally fatal childhood cancer of the brain. Despite the introduction of conventional chemotherapy and radiotherapy, improvements in survival have been marginal and long-term survivorship is uncommon. Thus, new targets for therapeutics are critically needed. Early phase clinical trials exploring molecularly-targeted therapies against the epidermal growth factor receptor (EGFR) and novel immunotherapies targeting interleukin receptor-13α2 (IL-13Rα2) have demonstrated activity in this disease. To identify additional therapeutic markers for cell surface receptors, we performed exome sequencing (16 new samples, 22 previously published samples, total 38 with 26 matched normal DNA samples), RNA deep sequencing (17 new samples, 11 previously published samples, total 28 with 18 matched normal RNA samples), and immunohistochemistry (17 DIPG tissue samples) to examine the expression of the interleukin-4 (IL-4) signaling axis components (IL-4, interleukin 13 (IL-13), and their respective receptors IL-4Rα, IL-13Rα1, and IL-13Rα2). In addition, we correlated cytokine and receptor expression with expression of the oncogenes EGFR and c-MET. In DIPG tissues, transcript-level analysis found significant expression of IL-4, IL-13, and IL-13Rα1/2, with strong differential expression of IL-13Rα1/2 in tumor versus normal brain. At the protein level, immunohistochemical studies revealed high content of IL-4 and IL-13Rα1/2 but notably low expression of IL-13. Additionally, a strong positive correlation was observed between c-Met and IL-4Rα. The genomic and transcriptional landscape across all samples was also summarized. These data create a foundation for the design of potential new immunotherapies targeting IL-13 cell surface receptors in DIPG.
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) | 0,000 | 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) | 0,005 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».