Wnt and Notch signaling govern self-renewal and differentiation in a subset of human glioblastoma stem cells
Notice bibliographique
Résumé
Developmental signal transduction pathways act diversely, with context-dependent roles across systems and disease types. Glioblastomas (GBMs), which are the poorest prognosis primary brain cancers, strongly resemble developmental systems, but these growth processes have not been exploited therapeutically, likely in part due to the extreme cellular and genetic heterogeneity observed in these tumors. The role of Wnt/βcatenin signaling in GBM stem cell (GSC) renewal and fate decisions remains controversial. Here, we report context-specific actions of Wnt/βcatenin signaling in directing cellular fate specification and renewal. A subset of primary GBM-derived stem cells requires Wnt proteins for self-renewal, and this subset specifically relies on Wnt/βcatenin signaling for enhanced tumor burden in xenograft models. In an orthotopic Wnt reporter model, Wnthi GBM cells (which exhibit high levels of βcatenin signaling) are a faster-cycling, highly self-renewing stem cell pool. In contrast, Wntlo cells (with low levels of signaling) are slower cycling and have decreased self-renewing potential. Dual inhibition of Wnt/βcatenin and Notch signaling in GSCs that express high levels of the proneural transcription factor ASCL1 leads to robust neuronal differentiation and inhibits clonogenic potential. Our work identifies new contexts for Wnt modulation for targeting stem cell differentiation and self-renewal in GBM heterogeneity, which deserve further exploration therapeutically.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».