Novel genetically engineered H3.3G34R model reveals cooperation with ATRX loss in upregulation of<i>Hoxa</i>cluster genes and promotion of neuronal lineage
Notice bibliographique
Résumé
Abstract Background Pediatric high-grade gliomas (pHGGs) are aggressive pediatric CNS tumors and an important subset are characterized by mutations in H3F3A, the gene that encodes Histone H3.3 (H3.3). Substitution of Glycine at position 34 of H3.3 with either Arginine or Valine (H3.3G34R/V), was recently described and characterized in a large cohort of pHGG samples as occurring in 5–20% of pHGGs. Attempts to study the mechanism of H3.3G34R have proven difficult due to the lack of knowledge regarding the cell-of-origin and the requirement for co-occurring mutations for model development. We sought to develop a biologically relevant animal model of pHGG to probe the downstream effects of the H3.3G34R mutation in the context of vital co-occurring mutations. Methods We developed a genetically engineered mouse model (GEMM) that incorporates PDGF-A activation, TP53 loss and the H3.3G34R mutation both in the presence and loss of Alpha thalassemia/mental retardation syndrome X-linked (ATRX), which is commonly mutated in H3.3G34 mutant pHGGs. Results We demonstrated that ATRX loss significantly increases tumor latency in the absence of H3.3G34R and inhibits ependymal differentiation in the presence of H3.3G34R. Transcriptomic analysis revealed that ATRX loss in the context of H3.3G34R upregulates Hoxa cluster genes. We also found that the H3.3G34R overexpression leads to enrichment of neuronal markers but only in the context of ATRX loss. Conclusions This study proposes a mechanism in which ATRX loss is the major contributor to many key transcriptomic changes in H3.3G34R pHGGs. Accession number GSE197988.
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 | 0,000 |
| 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) | 0,000 | 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 ».