A JAK/STAT-Mediated Inflammatory Signaling Cascade Drives Oncogenesis In AF10-Rearranged AML
Notice bibliographique
Résumé
ABSTRACT Leukemias bearing fusions of the AF10/MLLT10 gene are associated with poor prognosis, and therapies targeting these fusion proteins are lacking. To understand mechanisms underlying AF10 fusion-mediated leukemogenesis, we generated inducible mouse models of AML driven by the most common AF10 fusion proteins, PICALM/CALM-AF10 and KMT2A/MLL-AF10, and performed comprehensive characterization of the disease using transcriptomic, epigenomic, proteomic, and functional genomic approaches. Our studies provide a comprehensive map of gene networks and protein interactors associated with key AF10 fusions involved in leukemia. Specifically, we report that AF10 fusions activate a cascade of JAK/STAT-mediated inflammatory signaling through direct recruitment of JAK1 kinase. Inhibition of the JAK/STAT signaling by genetic Jak1 deletion or through pharmacological JAK/STAT inhibition elicited potent anti-oncogenic effects in mouse and human models of AF10 fusion AML. Collectively, our study identifies JAK1 as a tractable therapeutic target in AF10-rearranged leukemias. STATEMENT OF SIGNIFICANCE Gene fusions of AF10/MLLT10 are recurrent in acute myeloid and lymphoid leukemia and are associated with extremely poor survival outcomes. We show that the JAK1 kinase is required for activation of the AF10 fusion oncotranscriptome and for leukemogenesis. Since a number of JAK/STAT pathways inhibitors are in clinical development or approved for use, our studies may help develop a therapeutic strategy for AF10-rearranged leukemias.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».