Network models of primary melanoma microenvironments identify key melanoma regulators underlying prognosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Melanoma is the most lethal skin malignancy, driven by genetic and epigenetic alterations in the complex tumour microenvironment. While large-scale molecular profiling of melanoma has identified molecular signatures associated with melanoma progression, comprehensive systems-level modeling remains elusive. This study builds up predictive gene network models of molecular alterations in primary melanoma by integrating large-scale bulk-based multi-omic and single-cell transcriptomic data. Incorporating clinical, epigenetic, and proteomic data into these networks reveals key subnetworks, cell types, and regulators underlying melanoma progression. Tumors with high immune infiltrates are found to be associated with good prognosis, presumably due to induced CD8+ T-cell cytotoxicity, via MYO1F-mediated M1-polarization of macrophages. Seventeen key drivers of the gene subnetworks associated with poor prognosis, including the transcription factor ZNF180, are tested for their pro-tumorigenic effects in vitro. The anti-tumor effect of silencing ZNF180 is further validated using in vivo xenografts. Experimentally validated targets of ZNF180 are enriched in the ZNF180 centered network and the known pathways such as melanoma cell maintenance and immune cell infiltration. The transcriptional networks and their critical regulators provide insights into the molecular mechanisms of melanomagenesis and pave the way for developing therapeutic strategies for melanoma.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| 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 découle