Abstract PR008: The 3D epigenome of rhabdomyosarcoma
Notice bibliographique
Résumé
Abstract Rhabdomyosarcoma (RMS) is driven by transcription factors that set up super-enhancers: large clusters of transcriptional machinery accumulated at oncogenes. Super-enhancers are also the key vulnerability of RMS, as we have revealed by CRISPR screening and chemical genomics. However, the identification of super-enhancers is inconsistent, because they are extracted from 1-dimensional ChIP-seq data, but are in fact 3D genomic objects (“super-clusters”) that form biomolecular condensates (phase-separated droplets). We have now applied new 3D genomics approaches to enable proper discovery of these epigenomic features, also yielding proper enhancer-gene connectivity maps. Furthermore, super-clusters are co-built by transcription factors recruiting p300 (acetylation writer) and BRD4 (acetylation reader). We have generated preliminary evidence that directly perturbing/degrading p300 and BRD4 are the most effective and selective means to shut down super-clusters at all oncogenes driving this childhood cancer. We applied Absolute Quantification of Architecture (AQuA) HiChIP, and were able to uncover the drug-induced 3D folding abnormalities that selectively halt RNA-Polymerase 2 at super-cluster driven oncogenes in this sarcoma. Citation Format: Berkley E. Gryder, Issra Osman, Adam Durbin, Jun Qi. The 3D epigenome of rhabdomyosarcoma [abstract]. In: Proceedings of the AACR Special Conference: Sarcomas; 2022 May 9-12; Montreal, QC, Canada. Philadelphia (PA): AACR; Clin Cancer Res 2022;28(18_Suppl):Abstract nr PR008.
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 | 0,000 | 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) | 0,004 | 0,001 |
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 ».