Comparing transcriptional dynamics of the epithelial-mesenchymal transition
Notice bibliographique
Résumé
Epithelial-mesenchymal (E/M) heterogeneity is ubiquitous within all epithelial tissues and the reversible transition between these two states provides cells with plasticity that contributes to organogenesis in the developing embryo, tissue homeostasis in adults, and tumour progression 1 . While the epithelial-mesenchymal transition (EMT) has been extensively studied, no common, EMT-defining gene expression program has been identified 2 . Here, we leverage highly multiplexed single-cell RNA sequencing (scRNA-seq) to compare the transcriptional program associated with the EMT across a variety of contexts, assessing 103,999 cells from 960 samples, comprising 12 EMT time course experiments and 16 independent kinase inhibitor screens. We demonstrate that the EMT is not simply a linear transition between E/M states, and transcriptional dynamics are widely variable across contexts, regardless of the cell type and cytokine used to induce the transition. While many canonical EMT genes were poor markers of the transition in our models, we identified 86 conserved mesenchymal-associated genes also coexpressed in a variety of mouse and human epithelial and carcinoma tissues. Despite the heterogeneous transcriptional responses, we identified a core set of largely conserved transcription factors coordinating these dynamics, including RELB and SOX4. Finally, we found that the EMT is associated with a broad increase in expression of secreted factors. Kinase inhibitor screens revealed multiple paracrine dependencies of the EMT, including a novel association between TGFB1 and the TNF-associated kinase RIPK1. Together, these results comprehensively highlight the complexity and diversity of the EMT, but also reveal dynamics conserved across contexts. This work will provide the foundation for understanding the nature of E/M heterogeneity and its functional consequences, which could elucidate various physiological processes and be leveraged for cancer treatments.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».