MétaCan
Menu
← Retour à la cohorte
Enregistrement W3170014096 · doi:10.1093/neuonc/noab090.147

TMOD-06. LOSS OF DICER COOPERATES WITH TUMOR SUPPRESSORS TO INITIATE METASTATIC MEDULLOBLASTOMA

2021· article· en· W3170014096 sur OpenAlexaff
Sheila R. Alcantara Llaguno, Inga Nazarenko, Yuntao Chen, Daochun Sun, Gaspare La Rocca, Alicia Pedraza, Brian Gudenas, Olivier Saulnier, Dennis K. Burns, Tejus Bale, Paul A. Northcott, Michael D. Taylor, Andrea Ventura, Luis F. Parada

Notice bibliographique

RevueNeuro-Oncology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésDicerBiologyPTENMedulloblastomaCancer researchCarcinogenesisGliomamicroRNATumor progressionTumor initiationCancerGeneticsSmall interfering RNAPI3K/AKT/mTOR pathwayGeneRNA

Résumé

récupéré en direct d'OpenAlex

Abstract To determine the role of microRNA regulation in brain tumor development, we incorporated a conditional allele of the microRNA processing enzyme Dicer to a previously characterized glioma mouse model based on inactivation of the tumor suppressors Nf1, Trp53, and Pten using the Nestin-creERT2 transgene. Loss of Dicer and tumor suppressors at adult ages led to glioma development; however, mutant mice tamoxifen induced at early postnatal ages developed medulloblastoma instead of glioma. The switch in tumor spectrum occurred with 100% penetrance and tumors were histologically indistinguishable from human medulloblastoma (MB). The minimum genetic mutations required for MB formation were Dicer and Trp53. Nf1 was dispensable, while additional loss of Pten produced more invasive tumors and leptomeningeal metastases. The time window for initiation of tumorigenesis was until the 2nd postnatal week, coinciding with the disappearance of the external granule layer (EGL), where cerebellar granule neuron precursors (CGNPs) undergo proliferation. Analysis of pre-symptomatic mutant mice showed proliferative defects and retained cells in the EGL, suggesting that the tumors may arise from CGNPs. However, targeting a subset of CGNPs using Math1-creERT2 did not lead to MB development, suggesting that an earlier EGL precursor may be required for tumorigenesis. Analysis of tumor transcriptome and MB subtype-specific genes and markers show that Dicer tumors most resemble extremely high risk p53-mutated SHH MB. Small RNA and mRNA sequencing analyses showed downregulation of microRNAs and dysregulation of its targets such as N-Myc. These studies demonstrate a role for microRNAs in MB development and show a fully penetrant genetic mouse model of highly metastatic MB.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,301
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetCancer-related molecular mechanisms research→Travaux en français237 207→