Ontogenic Changes in Hematopoietic Hierarchy Determine Pediatric Specificity and Disease Phenotype in Fusion Oncogene–Driven Myeloid Leukemia
Notice bibliographique
Résumé
Abstract Fusion oncogenes are prevalent in several pediatric cancers, yet little is known about the specific associations between age and phenotype. We observed that fusion oncogenes, such as ETO2–GLIS2, are associated with acute megakaryoblastic or other myeloid leukemia subtypes in an age-dependent manner. Analysis of a novel inducible transgenic mouse model showed that ETO2–GLIS2 expression in fetal hematopoietic stem cells induced rapid megakaryoblastic leukemia whereas expression in adult bone marrow hematopoietic stem cells resulted in a shift toward myeloid transformation with a strikingly delayed in vivo leukemogenic potential. Chromatin accessibility and single-cell transcriptome analyses indicate ontogeny-dependent intrinsic and ETO2–GLIS2-induced differences in the activities of key transcription factors, including ERG, SPI1, GATA1, and CEBPA. Importantly, switching off the fusion oncogene restored terminal differentiation of the leukemic blasts. Together, these data show that aggressiveness and phenotypes in pediatric acute myeloid leukemia result from an ontogeny-related differential susceptibility to transformation by fusion oncogenes. Significance: This work demonstrates that the clinical phenotype of pediatric acute myeloid leukemia is determined by ontogeny-dependent susceptibility for transformation by oncogenic fusion genes. The phenotype is maintained by potentially reversible alteration of key transcription factors, indicating that targeting of the fusions may overcome the differentiation blockage and revert the leukemic state. See related commentary by Cruz Hernandez and Vyas, p. 1653. This article is highlighted in the In This Issue feature, p. 1631
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».