Transcriptomic changes during stage progression of mycosis fungoides
Notice bibliographique
Résumé
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 patients with MF develop skin tumours, a hallmark of progression to the advanced stage, which is associated with high mortality. The mechanisms involved in stage progression are poorly elucidated. OBJECTIVES: We sought to address the hypothesis of MF cell trafficking between skin lesions by comparing transcriptomic profiles of skin samples in different clinical stages of MF. 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) as well as plaques and tumours from patients in late-stage disease [late-stage plaques (LSP, n = 10) and tumours (TMR, n = 15)]. Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) analyses were used to determine pathway changes specific for different lesions which were linked to the recurrent somatic mutations overrepresented in MF tumours. RESULTS: The key upregulated pathways during stage progression were those related to cell proliferation and survival (MEK/ERK, Akt-mTOR), T helper cell (Th)2/Th9 signalling [interleukin (IL)4, STAT3, STAT5, STAT6], meiomitosis (CT45A1, CT45A3, STAG3, GTSF1, 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 haematogenous self-seeding. CONCLUSIONS: 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 may be caused by haematogenous 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».