Epigenomic, genomic, and transcriptomic landscape of schwannomatosis
Notice bibliographique
Résumé
Schwannomatosis (SWNTS) is a genetic cancer predisposition syndrome that manifests as multiple and often painful neuronal tumors called schwannomas (SWNs). While germline mutations in SMARCB1 or LZTR1, plus somatic mutations in NF2 and loss of heterozygosity in chromosome 22q have been identified in a subset of patients, little is known about the epigenomic and genomic alterations that drive SWNTS-related SWNs (SWNTS-SWNs) in a majority of the cases. We performed multiplatform genomic analysis and established the molecular signature of SWNTS-SWNs. We show that SWNTS-SWNs harbor distinct genomic features relative to the histologically identical non-syndromic sporadic SWNs (NS-SWNS). We demonstrate the existence of four distinct DNA methylation subgroups of SWNTS-SWNs that are associated with specific transcriptional programs and tumor location. We show several novel recurrent non-22q deletions and structural rearrangements. We detected the SH3PXD2A-HTRA1 gene fusion in SWNTS-SWNs, with predominance in LZTR1-mutant tumors. In addition, we identified specific genetic, epigenetic, and actionable transcriptional programs associated with painful SWNTS-SWNs including PIGF, VEGF, MEK, and MTOR pathways, which may be harnessed for management of this syndrome.
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 | 0,000 | 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 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 ».