MAPK inhibitor sensitivity scores predict sensitivity driven by the immune infiltration in pediatric low-grade gliomas
Notice bibliographique
Résumé
Pediatric low-grade gliomas (pLGG) show heterogeneous responses to MAPK inhibitors (MAPKi) in clinical trials. Thus, more complex stratification biomarkers are needed to identify patients likely to benefit from MAPKi therapy. Here, we identify MAPK-related genes enriched in MAPKi-sensitive cell lines using the GDSC dataset and apply them to calculate class-specific MAPKi sensitivity scores (MSSs) via single-sample gene set enrichment analysis. The MSSs discriminate MAPKi-sensitive and non-sensitive cells in the GDSC dataset and significantly correlate with response to MAPKi in an independent PDX dataset. The MSSs discern gliomas with varying MAPK alterations and are higher in pLGG compared to other pediatric CNS tumors. Heterogenous MSSs within pLGGs with the same MAPK alteration identify proportions of potentially sensitive patients. The MEKi MSS predicts treatment response in a small set of pLGG patients treated with trametinib. High MSSs correlate with a higher immune cell infiltration, with high expression in the microglia compartment in single-cell RNA sequencing data, while low MSSs correlate with low immune infiltration and increased neuronal score. The MSSs represent predictive tools for the stratification of pLGG patients and should be prospectively validated in clinical trials. Our data supports a role for microglia in the response to MAPKi.
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 | 0,001 | 0,003 |
| 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) | 0,001 | 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 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 ».