A Compendium of Syngeneic, Transplantable Pediatric High-Grade Glioma Models Reveals Subtype-Specific Therapeutic Vulnerabilities
Notice bibliographique
Résumé
Pediatric high-grade gliomas (pHGG) are lethal, incurable brain tumors frequently driven by clonal mutations in histone genes. They often harbor a range of additional genetic alterations that correlate with different ages, anatomic locations, and tumor subtypes. We developed models representing 16 pHGG subtypes driven by different combinations of alterations targeted to specific brain regions. Tumors developed with varying latencies and cell lines derived from these models engrafted in syngeneic, immunocompetent mice with high penetrance. Targeted drug screening revealed unexpected selective vulnerabilities-H3.3G34R/PDGFRAC235Y to FGFR inhibition, H3.3K27M/PDGFRAWT to PDGFRA inhibition, and H3.3K27M/PDGFRAWT and H3.3K27M/PPM1DΔC/PIK3CAE545K to combined inhibition of MEK and PIK3CA. Moreover, H3.3K27M tumors with PIK3CA, NF1, and FGFR1 mutations were more invasive and harbored distinct additional phenotypes, such as exophytic spread, cranial nerve invasion, and spinal dissemination. Collectively, these models reveal that different partner alterations produce distinct effects on pHGG cellular composition, latency, invasiveness, and treatment sensitivity. SIGNIFICANCE: Histone-mutant pediatric gliomas are a highly heterogeneous tumor entity. Different histone mutations correlate with different ages of onset, survival outcomes, brain regions, and partner alterations. We have developed models of histone-mutant gliomas that reflect this anatomic and genetic heterogeneity and provide evidence of subtype-specific biology and therapeutic targeting. See related commentary by Lubanszky and Hawkins, p. 1516. This article is highlighted in the In This Issue feature, p. 1501.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».