The transcriptional landscape analysis of basal cell carcinomas reveals novel signalling pathways and actionable targets
Notice bibliographique
Résumé
Basal cell carcinoma (BCC) is the most common skin cancer and human malignancy. Although most BCCs are easily managed, some are aggressive locally, require Mohs micrographic surgery, or can even metastasize. In the latter, resistance to Sonic Hedgehog inhibitors may occur. Despite their frequent occurrence in clinical practice, their transcriptional landscape remains poorly understood. By analyzing BCC RNA sequencing data according to clinically important features (all BCCs versus normal skin, high-risk versus low-risk BCCs based solely on histopathological subtypes with aggressive features, advanced versus non-advanced BCCs, and vismodegib-resistant versus vismodegib-sensitive tumors), we have identified novel differentially regulated genes and new targetable pathways implicated in BCC tumorigenesis. Pathways as diverse as IL-17 , TLR , Akt/PI3K , cadherins, integrins, PDGF , and Wnt/ β -catenin are promising therapeutic avenues for local and systemic agents in managing this common malignancy, including through drug re-purposing of existing medications. We experimentally validated several of these targets as biomarkers in our patient-derived cohort of primary BCC tumors.
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) | 0,000 | 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 | 0,000 |
| 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 ».