MétaCan
Menu
Retour à la cohorte
Enregistrement W4296629879 · doi:10.3324/haematol.2022.280786

Genome-wide CRISPR screens identify ferroptosis as a novel therapeutic vulnerability in acute lymphoblastic leukemia

2022· article· en· W4296629879 sur OpenAlexafffund
Marie‐Eve Lalonde, Marc Sasseville, Anne-Marie Gélinas, Jean‐Sébastien Milanese, Kathie Béland, Simon Drouin, Élie Haddad, Richard Marcotte

Notice bibliographique

RevueHaematologica · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineNational Research Council Canada
Organismes subventionnairesCentre hospitalier universitaire Sainte-Justine
Mots-clésCRISPRBiologyCancer researchLymphoblastic LeukemiaGeneGPX4Genome editingBystander effectGenomeLeukemiaGeneticsOxidative stressImmunology

Résumé

récupéré en direct d'OpenAlex

Acute lymphoblastic leukemia (ALL) is the most frequent cancer diagnosed in children. Despite the great progress achieved over the last 40 years, with cure rates now exceeding 85%, refractory or relapsed ALL still exhibit a dismal prognosis. This poor outcome reflects the lack of treatment options specifically targeting relapsed or refractory ALL. In order to address this gap, we performed whole-genome CRISPR/Cas drop-out screens on a panel of seven B-ALL cell lines. Our results demonstrate that while there was a significant overlap in gene essentiality between ALL cell lines and other cancer types survival of ALL cell lines was dependent on several unique metabolic pathways, including an exquisite sensitivity to GPX4 depletion and ferroptosis induction. Detailed molecular analysis of B-ALL cells suggest that they are primed to undergo ferroptosis as they exhibit high steady-state oxidative stress potential, a low buffering capacity, and a disabled GPX4-independent secondary lipid peroxidation detoxification pathway. Finally, we validated the sensitivity of BALL to ferroptosis induction using patient-derived B-ALL samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,295
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHaematologicaMême sujetRNA modifications and cancerTravaux en français237 207