Identification of Novel Transcripts and Potential Therapeutic Targets for Acute Leukemia
Notice bibliographique
Résumé
Acute leukemia is a heterogenous disease with many genomic scars. Recent advances in targeted therapy and immunotherapy have improved the prognosis of this disease. However, prognosis still remains poor, and the identification of novel leukemia-specific transcripts may provide new strategies for leukemia therapy. We developed a novel long-read transcriptome method for sequencing full-length RNAs by directly capturing the 5′-end cap structures and the 3′-end poly(A)-tails of individual RNA molecules. We applied this method to bone marrow samples with various acute leukemias, including acute myeloid leukemia, acute lymphoid leukemia, and other rare types of acute leukemia. We covered full-length poly(A)+ RNAs with an average length distribution of over 3,000 bp, a much longer size distribution than previously reported. This not only led to the discovery of a wide array of uncharacterized transcript isoforms of known genes, but also to the discovery of 1,903 novel genes that are not annotated in the current human gene database. We also found that more than 60% of these new human genes were single exon genes and that many of them emerged from primates. This implicates that these new genes may contribute to human-specific leukemia biology. In addition, among these new human genes, 485 genes were predicted to have the potential to encode putative proteins using a GeneMarkS-T program. A fraction of new genes identified in this study were highly leukemia specific as shown by bulk CAGE-seq analysis of over 100 blood tumor samples and by single-cell RNA sequencing analysis of more than 300,000 bone marrow cells from leukemia patients, highlighting their potential as useful biomarkers and novel therapeutic targets. In sum, we constructed a comprehensive atlas of full-length RNA molecules in acute leukemia and identified a large number of uncharacterized ones. Our study provides a versatile framework for exploring novel transcripts and future therapeutic strategies in human diseases.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».