Multiomics of azacitidine-treated AML cells reveals variable and convergent targets that remodel the cell-surface proteome
Notice bibliographique
Résumé
Myelodysplastic syndromes (MDS) and acute myeloid leukemia (AML) are diseases of abnormal hematopoietic differentiation with aberrant epigenetic alterations. Azacitidine (AZA) is a DNA methyltransferase inhibitor widely used to treat MDS and AML, yet the impact of AZA on the cell-surface proteome has not been defined. To identify potential therapeutic targets for use in combination with AZA in AML patients, we investigated the effects of AZA treatment on four AML cell lines representing different stages of differentiation. The effect of AZA treatment on these cell lines was characterized at three levels: the DNA methylome, the transcriptome, and the cell-surface proteome. Untreated AML cell lines showed substantial overlap at all three omics levels; however, while AZA treatment globally reduced DNA methylation in all cell lines, changes in the transcriptome and surface proteome were subtle and differed among the cell lines. Transcriptome analysis identified five commonly up-regulated coding genes upon AZA treatment in all four cell lines, TRPM4 being the only gene encoding a surface protein, and surface proteome analysis found no commonly regulated proteins. Gene set enrichment analysis of differentially regulated RNA and surface proteins showed a decrease in metabolic pathways and an increase in immune defense response pathways. As such, AZA treatment led to diverse effects at the individual gene and protein levels but converged to common responses at the pathway level. Given the heterogeneous responses in the four cell lines, we discuss potential therapeutic strategies for AML in combination with AZA.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».