MétaCan
Menu
Retour à la cohorte
Enregistrement W4380358406 · doi:10.1093/neuonc/noad073.010

ATRT-10. SINGLE-CELL TRANSCRIPTOME ANALYSIS REVEALS CELLULAR HIERARCHIES AND THERAPEUTIC VULNERABILITIES OF ETMR

2023· article· en· W4380358406 sur OpenAlexaff
Alexander Beck, Lisa Gabler, Gustavo Alencastro Veiga Cruzeiro, Sander Lambo, Bernhard Englinger, McKenzie Shaw, Olivia A. Hack, Ilon Liu, Carlos Alberto Oliveira de Biagi, Rebecca D Haase, Marbod Klenner, Pia Freidel, Sibylle Madlener, Lisa Mayr, Daniel Senfter, Andreas Peyrl, Irene Slavc, Daniela Lötsch, Christian Dorfer, Christine Haberler, Stefan M. Pfister, Lissa Baird, Susan Chi, Sanda Alexandrescu, Johannes Gojo, Marcel Kool, Volker Hovestadt, Mariella G. Filbin

Notice bibliographique

RevueNeuro-Oncology · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensCanada's Michael Smith Genome Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésBiologyTranscriptomeSOX2NeurogenesisNeural stem cellCell cycleGene silencingPopulationmicroRNACellCancer researchStem cellProgenitor cellCell biologyGeneGeneticsEmbryonic stem cellGene expressionMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Embryonal tumors with multilayered rosettes (ETMR) are malignant brain tumors that occur predominantly in infants and young children. Most patients die within two years of diagnosis, and more effective, targeted therapies are urgently needed. To better characterize the oncogenic mechanisms of key driver alterations and to identify novel therapeutic targets, we set out to study the cellular heterogeneity of ETMR using single-cell RNA sequencing. Analyses conducted on >4,000 high-quality cells collected from eleven primary and relapse specimens revealed a common cellular hierarchy across all tumors: A highly proliferative neural stem cell-like population (SOX2+) that gives rise to intermediate progenitors (NEUROD1/NEUROG1+) and more differentiated neuron-like cells (STMN2/4+). These malignant cell populations closely overlap with histological patterns of ETMRs, as confirmed by multiplexed immunofluorescence microscopy on patients’ tumors. Comparison to single-cell datasets from human fetuses indicated high resemblance to normal cortical neurogenesis but also revealed key tumor-specific differences. These include expression of the chromosome 19 miRNA cluster (C19MC, the presumed driver in ~90% of ETMRs), which was restricted to the malignant stem cell-like population. Investigating oncogenic mechanisms of C19MC (comprising 46 miRNA genes) through transcriptome-wide RNA immunoprecipitation analysis, we identified extensive target gene regulation for most C19MC members, including distinct regulators of cell cycle, pluripotency, and neuronal differentiation. Silencing of C19MC families with antisense oligonucleotides resulted in pronounced reduction of ETMR cell line growth, indicating potential avenues for therapeutic targeting in the future. To identify more immediately actionable targets, we investigated inter-cellular signaling between malignant cell populations of ETMRs. Interestingly, we identified marked FGFR and NOTCH receptor-ligand interactions common to all tumors. An in vitro screen of experimental and approved small molecule inhibitors designed to target these interactions nominated several promising candidates for clinical evaluation. Our unpublished results provide much needed insight into targeting ETMR cellular states using multiple modes of action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,261
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207