Abstract 2435: Single cell spatial analysis identifies regulators of brain tumor initiating cells
Notice bibliographique
Résumé
Abstract Glioblastomas (GBMs) are aggressive brain tumors with extensive intratumoral heterogeneity. Here, we used spatial transcriptomics and single-cell ATAC-seq to dissect the transcriptome of distinct anatomical regions of the tumor microenvironment. We identified numerous extracellular matrix (ECM) molecules including biglycan elevated in areas infiltrated with brain tumor-initiating cells (BTICs). Single-cell RNA sequencing showed that the ECM molecules were differentially expressed by cells including injury response versus developmental BTICs. Exogeneous biglycan or overexpression of biglycan resulted in a higher proliferation rate of BTICs, and this was associated mechanistically with LDL receptor-related protein 6 (LRP6) binding and activation of the Wnt/β-catenin pathway. Biglycan-overexpressing BTICs grew to a larger tumor mass and higher mesenchymal phenotypes when implanted intracranially in mice. This study points to the spatial heterogeneity of ECM molecules in the GBM microenvironment and suggests biglycan-LRP6 axis as a therapeutic target to curb GBM growth. Citation Format: Reza Mirzaei, Charlotte D’Mello, Marina Liu, Ana Nikolic, Mehul Kumar, Frank Visser, Pinaki Bose, Marco Gallo, Wee Yong. Single cell spatial analysis identifies regulators of brain tumor initiating cells [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2023; Part 1 (Regular and Invited Abstracts); 2023 Apr 14-19; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2023;83(7_Suppl):Abstract nr 2435.
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 | 0,001 | 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 | 0,002 |
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 ».