Proteometabolomics of initial and recurrent glioblastoma highlights an increased immune cell signature with altered lipid metabolism
Notice bibliographique
Résumé
BACKGROUND: There is an urgent need to better understand the mechanisms associated with the development, progression, and onset of recurrence after initial surgery in glioblastoma (GBM). The use of integrative phenotype-focused -omics technologies such as proteomics and lipidomics provides an unbiased approach to explore the molecular evolution of the tumor and its associated environment. METHODS: We assembled a cohort of patient-matched initial (iGBM) and recurrent (rGBM) specimens of resected GBM. Proteome and metabolome composition were determined by mass spectrometry-based techniques. We performed neutrophil-GBM cell coculture experiments to evaluate the behavior of rGBM-enriched proteins in the tumor microenvironment. ELISA-based quantitation of candidate proteins was performed to test the association of their plasma concentrations in iGBM with the onset of recurrence. RESULTS: Proteomic profiles reflect increased immune cell infiltration and extracellular matrix reorganization in rGBM. ASAH1, SYMN, and GPNMB were highly enriched proteins in rGBM. Lipidomics indicates the downregulation of ceramides in rGBM. Cell analyses suggest a role for ASAH1 in neutrophils and its localization in extracellular traps. Plasma concentrations of ASAH1 and SYNM show an association with time to recurrence. CONCLUSIONS: We describe the potential importance of ASAH1 in tumor progression and development of rGBM via metabolic rearrangement and showcase the feedback from the tumor microenvironment to plasma proteome profiles. We report the potential of ASAH1 and SYNM as plasma markers of rGBM progression. The published datasets can be considered as a resource for further functional and biomarker studies involving additional -omics technologies.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».