Generation of an animal model of <i>Pten</i> hamartoma tumour syndrome in the retina
Notice bibliographique
Résumé
PTEN Hamartoma Tumor Syndrome (PHTS) is a heterogeneous group of rare, autosomal dominant disorders associated with PTEN germline mutations. PHTS patients routinely develop hamartomas, which are benign tissue overgrowths comprised of disorganized ‘normal’ cells. Efforts to generate PHTS animal models have been largely unsuccessful due to the early lethality of homozygous germline mutations in Pten, together with the lack of hamartoma formation in most conditional mutants generated to date. We report herein a novel PHTS mouse model that reproducibly forms hamartoma-like lesions in the central retina by postnatal day 21. Specifically, we generated a Pten conditional knock-out (cKO) using a retinal-specific Pax6-Cre-driver that leads to a nearly complete deletion of Pten in the peripheral retina but produces a mosaic of ‘wild-type’ and Pten cKO cells centrally. Structural defects were only observed in the mosaic central retina, including in Müller glia and in the outer and inner limiting membranes, suggesting that defective mechanical integrity partly underlies the hamartoma-like pathology. Finally, we used this newly-developed model to test whether rapamycin, an mTOR inhibitor that is currently the only PHTS therapy, can block hamartoma growth. When administered in the early postnatal period, prior to hamartoma formation, rapamycin reduces hamartoma size, but also induces new morphological abnormalities in the Pten cKO retinal periphery. In contrast, administration of rapamycin after hamartoma initiation fails to reduce lesion size. We have thus generated and used an animal model of retinal PHTS to show that while current therapies reduce hamartoma formation, they also induce new retinal dysmorphologies.
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) | 0,000 | 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 ».