The transcriptional hallmarks of intra-tumor heterogeneity across a thousand tumors
Notice bibliographique
Résumé
Abstract Each tumor contains malignant cells that differ in genotype, phenotype, and in their interactions with the tumor micro-environment (TME). This results in distinct integrated cellular states that govern intra-tumor heterogeneity (ITH), a central challenge of cancer therapeutics. Dozens of recent studies have begun to describe ITH by single cell RNA-seq, but each study typically profiledonly a small number of tumors and provided a narrow view of transcriptional ITH. Here, we curate, annotate and integrate the data from 77 different studies to reveal the patterns of ITH across 1,163 tumor samples covering 24 tumor types. Focusing on the malignant cells, we find thousands of transcriptional ITH programs that can be described by 41 consensus meta-programs (MPs), each consisting of dozens of genes that are coordinately upregulated in subpopulations of cells within many different tumors. The MPs cover diverse cellular processes and differ in their cancer-type distribution. General MPs associated with processes such as cell cycle and stress vary within most tumors, while context-specific MPs reflect the unique biology of particular cancer types, often resembling developmental cell types and suggesting the co-existence of variable differentiation states within tumors. Some of the MPs are further associated with overall tumor proliferation or immune state, highlighting their potential clinical significance. Based on functional similarities among MPs, we propose a set of 11 hallmarks that together account for the majority of observed ITH programs. Given the breadth and scope of the investigated cohort, the MPs and hallmarks described here reflect the first comprehensive pan-cancer description of transcriptional ITH.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».