Multiomic Profiling of Central Nervous System Leukemia Identifies mRNA Translation as a Therapeutic Target
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Central nervous system (CNS) dissemination of B-precursor acute lymphoblastic leukemia (B-ALL) has poor prognosis and remains a therapeutic challenge. Here we performed targeted DNA sequencing as well as transcriptional and proteomic profiling of paired leukemia-infiltrating cells in the bone marrow (BM) and CNS of xenografts. Genes governing mRNA translation were upregulated in CNS leukemia, and subclonal genetic profiling confirmed this in both BM-concordant and BM-discordant CNS mutational populations. CNS leukemia cells were exquisitely sensitive to the translation inhibitor omacetaxine mepesuccinate, which reduced xenograft leptomeningeal disease burden. Proteomics demonstrated greater abundance of secreted proteins in CNS-infiltrating cells, including complement component 3 (C3), and drug targeting of C3 influenced CNS disease in xenografts. CNS-infiltrating cells also exhibited selection for stemness traits and metabolic reprogramming. Overall, our study identifies targeting of mRNA translation as a potential therapeutic approach for B-ALL leptomeningeal disease. Significance: Cancer metastases are often driven by distinct subclones with unique biological properties. Here we show that in B-ALL CNS disease, the leptomeningeal environment selects for cells with unique functional dependencies. Pharmacologic inhibition of mRNA translation signaling treats CNS disease and offers a new therapeutic approach for this condition. This article is highlighted in the In This Issue feature, p. 1
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.
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) | 0,000 | 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 découle