DNA Methylation Signatures Reveal the Diversity of Processes Remodeling Hepatocellular Carcinoma Methylomes
Notice bibliographique
Résumé
BACKGROUND AND AIMS: DNA methylation patterns are highly rearranged in HCCs. However, diverse sources of variation are intermingled in cancer methylomes, precluding the precise characterization of underlying molecular mechanisms. We developed a computational framework (methylation signature analysis with independent component analysis [MethICA]) leveraging independent component analysis to disentangle the diverse processes contributing to DNA methylation changes in tumors. APPROACH AND RESULTS: Applied to a collection of 738 HCCs, MethICA unraveled 13 stable methylation components preferentially active in specific chromatin states, sequence contexts, and replication timings. These included signatures of general processes associated with sex and age but also signatures related to specific driver events and molecular subgroups. Catenin beta 1 mutations were major modulators of methylation patterns in HCC, characterized by a targeted hypomethylation of transcription factor 7-bound enhancers in the vicinity of Wnt target genes as well as a widespread hypomethylation of late-replicated partially methylated domains. By contrast, demethylation of early replicated highly methylated domains was a signature of replication stress, leading to an extensive hypomethylator phenotype in cyclin-activated HCC. Inactivating mutations of the chromatin remodeler AT-rich interactive domain-containing protein 1A were associated with epigenetic silencing of differentiation-promoting transcriptional networks, also detectable in cirrhotic liver. Finally, a hypermethylation signature targeting polycomb-repressed chromatin domains was identified in the G1 molecular subgroup with progenitor features. CONCLUSIONS: This study elucidates the diversity of processes remodeling HCC methylomes and reveals the epigenetic and transcriptional impact of driver alterations.
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) | 0,000 | 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 | 0,000 |
| 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 ».