MétaCan
Menu
Retour à la cohorte
Enregistrement W4391680089 · doi:10.1093/neuonc/noae015

Unraveling the complexity of the senescence-associated secretory phenotype in adamantinomatous craniopharyngioma using multimodal machine learning analysis

2024· article· en· W4391680089 sur OpenAlexaff
Eric Prince, John Apps, John Jeang, Keanu Chee, Stephen Medlin, Eric M. Jackson, Roy Dudley, David D. Limbrick, Robert P. Naftel, James M. Johnston, Neil A. Feldstein, Laura M. Prolo, Kevin Ginn, Toba N. Niazi, Amy Smith, Lindsay Kilburn, Joshua J. Chern, Jeffrey R. Leonard, Sandi Lam, David S. Hersh, José Mario González-Meljem, Vladimir Amani, Andrew M. Donson, Siddhartha S. Mitra, Pratiti Bandopadhayay, Juan Pedro Martı́nez-Barberá, Todd C. Hankinson

Notice bibliographique

RevueNeuro-Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePituitary Gland Disorders and Treatments
Établissements canadiensMcGill University
Organismes subventionnairesCancer Research UKNational Institutes of HealthNational Center for Advancing Translational SciencesBrain Tumour CharityNational Institute for Health and Care ResearchU.S. National Library of Medicine
Mots-clésSenescenceBiologyWnt signaling pathwayPhenotypeCell biologyPI3K/AKT/mTOR pathwayGene expressionSignal transductionCancer researchCytokineGeneImmunologyGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cellular senescence can have positive and negative effects on the body, including aiding in damage repair and facilitating tumor growth. Adamantinomatous craniopharyngioma (ACP), the most common pediatric sellar/suprasellar brain tumor, poses significant treatment challenges. Recent studies suggest that senescent cells in ACP tumors may contribute to tumor growth and invasion by releasing a senesecence-associated secretory phenotype. However, a detailed analysis of these characteristics has yet to be completed. METHODS: We analyzed primary tissue samples from ACP patients using single-cell, single-nuclei, and spatial RNA sequencing. We performed various analyses, including gene expression clustering, inferred senescence cells from gene expression, and conducted cytokine signaling inference. We utilized LASSO to select essential gene expression pathways associated with senescence. Finally, we validated our findings through immunostaining. RESULTS: We observed significant diversity in gene expression and tissue structure. Key factors such as NFKB, RELA, and SP1 are essential in regulating gene expression, while senescence markers are present throughout the tissue. SPP1 is the most significant cytokine signaling network among ACP cells, while the Wnt signaling pathway predominantly occurs between epithelial and glial cells. Our research has identified links between senescence-associated features and pathways, such as PI3K/Akt/mTOR, MYC, FZD, and Hedgehog, with increased P53 expression associated with senescence in these cells. CONCLUSIONS: A complex interplay between cellular senescence, cytokine signaling, and gene expression pathways underlies ACP development. Further research is crucial to understand how these elements interact to create novel therapeutic approaches for patients with ACP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,304
Écart entre enseignants0,264 · 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 tête enseignante, 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

Citations50
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetPituitary Gland Disorders and TreatmentsTravaux en français237 207