MétaCan
Menu
← Retour à la cohorte
Enregistrement W2982750119 · doi:10.1093/neuonc/noz175.433

GENE-31. IDENTIFICATION OF CORE AND CONTEXT-SPECIFIC FITNESS GENES IN GLIOBLASTOMA STEM CELLS VIA GENOME-WIDE CRISPR-Cas9 SCREENS

2019· article· en· W2982750119 sur OpenAlexaff
Graham MacLeod, Stéphane Angers, Peter B. Dirks, Nishani Rajakulendran, Moloud Ahmadi, Danielle Bozek, Artee Luchman, Sam Weiss

Notice bibliographique

RevueNeuro-Oncology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensOntario Brain InstituteSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiologyContext (archaeology)Stem cellCRISPRComputational biologyGeneGeneticsSOX2EpigeneticsEmbryonic stem cell

Résumé

récupéré en direct d'OpenAlex

Abstract Advances in the characterization of the genetic, epigenetic and transcriptomic landscapes of glioblastoma (GBM) tumor samples and primary cell lines have yielded considerable insight into tumor initiation and progression. A major finding from these studies is the high degree of inter- and intra-tumoral variability displayed in GBM, which has increased interest in the identification of clinically relevant disease subtypes for precision targeting. While multiple groups have identified subtypes of GBM tumors and GBM stem cell lines, efforts to identify specific actionable targets have yet to bear fruit. To address this gap, we performed genome-wide TKO CRISPR-Cas9 fitness screens to functionally interrogate the genomes of a panel of 16 genetically/epigenetically characterized GBM stem cell lines. Our screens identify over 1,500 fitness genes per GBM stem cell line which collectively provide a functional landscape of genetic vulnerabilities in GBM. The size and heterogeneity of our screen panel provided us with the capability to identify both core (i.e. SOX9, Protein Ufmylation, JUN) and context specific fitness genes. Specifically, we have identified genes preferentially required for the proliferation of GBM stem cells based on transcriptionally defined subtypes (i.e. SOX2, OLIG2 in Proneural GSCs), genetic alterations (i.e. CDK6 in CDKN2A/B deleted GBM) and disease stage (i.e. ATP6AP2 in recurrent GBM). Experimental validation of key subtype-specific fitness genes is currently underway using genetic knockout and drug/inhibitor treatment. Our data provides biological insight and novel mechanistic understanding of heterogeneity in GBM and points to opportunities for precision targeting of defined GBM subtypes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetCRISPR and Genetic Engineering→Travaux en français237 207→