Transcriptomic Changes During Stage Progression of Mycosis Fungoides
Notice bibliographique
Résumé
Abstract Background Mycosis fungoides (MF) is the most common cutaneous T cell lymphoma, which in the early patch/plaque stages runs an indolent course. However, ~25% of MF patients develop skin tumors, a hallmark of progression to the advanced stage and associated with high mortality. The mechanisms involved in stage progression are poorly elucidated. Methods We performed whole-transcriptome and whole-exome sequencing of malignant MF cells from skin biopsies obtained by laser-capture microdissection. We compared three types of MF lesions: early-stage plaques (ESP, n=12), and plaques and tumors from patients in late-stage disease (late-stage plaques, LSP, n=10, and tumors, TMR, n=15). Gene Ontology (GO) and KEGG analysis were used to determine pathway changes specific for different lesions which we linked to the recurrent somatic mutations overrepresented in MF tumors. Results The key upregulated pathways during stage progression were those related to cell proliferation and survival (MEK/ERK, Akt-mTOR), Th2/Th9 signaling (IL4, STAT3, STAT5, STAT6), meiomitosis (CT45A1, CT45A3, STAG3, GTSF1, and REC8) and DNA repair (PARP1, MYCN, OGG1). Principal coordinate clustering of the transcriptome revealed extensive gene expression differences between early (ESP) and advanced-stage lesions (LSP and TMR). LSP and TMR showed remarkable similarities at the level of the transcriptome, which we interpreted as evidence of cell percolation between lesions via hematogenous self-seeding. Conclusion Stage progression in MF is associated with Th2/Th9 polarization of malignant cells, activation of proliferation, survival, as well as increased genomic instability. Global transcriptomic changes in multiple lesions are probably caused by hematogenous cell percolation between discrete skin lesions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».