C.4 Epigenetic drivers of malignant transformation in diffuse gliomas
Notice bibliographique
Résumé
Background: Despite treatment, gliomas often exhibit disease progression, leading to recurrent glioblastoma (GBM) or malignant transformation of low-grade gliomas (LGG) associated with treatment resistance and poor prognosis. To date, the molecular factors driving glioma recurrence are poorly understood. Methods: We analyzed a cohort of 324 glioma samples from our institution including a unique cohort of 81 patients with matched primary and recurrent tumour pairs. We performed a paired, integrated multi-platform analysis consisting of DNA methylation profiling on all 324 samples, gene expression on 87 samples, and matched plasma cell-free DNA methylome analysis on 82 samples. Results: LGG that undergo malignant transformation are associated with DNA hypomethylation at recurrence, including decreased tumour purity and increased copy number variation. Integrated pathway analyses identified IL-6, associated with multiple pro-oncogenic pathways, and CCR2, associated with the recruitment of tumour-associated macrophages, as top genes involved in malignant transformation. Matched plasma methylation demonstrated a shift in the methylation signature at recurrence that can prove valuable as a non-invasive biomarker for early detection of malignant progression. Conclusions: We provide the first detailed description of the epigenetic evolution of gliomas and identify epigenetic drivers of malignant transformation including non-invasive biomarkers for early detection of malignant progression.
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) | 0,002 | 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 ».