Gene Expression Profiling of Mycosis Fungoides in Early and Tumor Stage—A Proof-of-Concept Study Using Laser Capture/Single Cell Microdissection and NanoString Analysis
Notice bibliographique
Résumé
A subset of patients with mycosis fungoides (MF) progress to the tumor stage, which correlates with a worse clinical outcome. The molecular events driving this progression are not well-understood. To identify the key molecular drivers, we performed gene expression profiling (GEP) using NanoString. Ten formalin-fixed/paraffin-embedded skin biopsies from six patients (six non-tumor and four tumor MF) were included; non-tumor and tumor samples were available in three patients. Laser capture/single cell microdissection of epidermotropic MF cells was used for non-tumor cases. We found that the RNA extracted from 700-800 single cells was consistently sufficient for GEP, provided that multiplexed target enrichment amplification was used. An un-supervised/hierarchical analysis revealed clustering of non-tumor and tumor cases. Many of the most upregulated or downregulated genes are implicated in the PI3K, RAS, cell cycle/apoptosis and MAPK pathways. Two of the targets, HMGA1 and PTPN11 (encodes SHP2), were validated using immunohistochemistry. HMGA1 was positive in six out of six non-tumor MF samples and negative in five out of five tumor MF samples. An opposite pattern was seen with SHP2. Our study has provided a proof-of-concept that single-cell microdissection/GEP can be applied to archival tissues. Some of our identified gene targets might be key drivers of the disease progression of MF.
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) | 0,000 | 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 ».