OPTC-5. Molecular signatures of podoplanin expressing glioblastoma cell subsets with putative role in cancer associated thrombosis and microthrombosis
Notice bibliographique
Résumé
Abstract Vascular anomalies, including thrombosis, are a hallmark of glioblastoma (GBM) and an aftermath of dysregulated cancer cell genome and epigenome. Upregulation of podoplanin (PDPN) by cancer cells has recently been linked to an increased risk of venous thromboembolism in glioblastoma patients. Thus, regulation of this platelet activating transmembrane protein by transforming events and release from cancer cells into the circulation are of considerable interest. We took advantage of single-cell and bulk GBM transcriptome dataset mining and investigated the pattern of PDPN expression across several databases. Our analysis indicated that PDPN is expressed by distinct (mesenchymal) glioblastoma cell subpopulations and is downregulated by oncogenic mutations of EGFR and IDH1 genes, via changes in chromatin modifications (EZH2) and DNA methylation, respectively. Additionally, we utilized isogenic and stem GBM cell lines, xenograft models in mice, ELISA assays for PDPN, tissue factor (TF), platelet factor 4 (PF4) and clotting activation markers (D-dimer), and multicolor nano-flow cytometry to show that GBM cells exteriorize PDPN and/or TF as cargo of exosome-like coagulant extracellular vesicles EVs. We also documented an increase of platelet activation (PF4) or coagulation markers (D-dimer) in mice harboring the corresponding PDPN- or TF-expressing glioma xenografts, respectively. While PDPN was a dominant regulator of systemic platelet activation, co-expression of PDPN and TF impacted local microthrombosis. Our work suggests that distinct cellular subsets drive multiple facets of GBM-associated thrombosis and may represent targets for diagnosis and intervention.
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) | 0,001 | 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 ».