Comparative genomics incorporating translocation renal cell carcinoma mouse model reveals molecular mechanisms of tumorigenesis
Notice bibliographique
Résumé
Translocation renal cell carcinoma (tRCC) most commonly involves an ASPSCR1-TFE3 fusion, but molecular mechanisms remain elusive and animal models are lacking. Here, we show that human ASPSCR1-TFE3 driven by Pax8-Cre (a credentialed clear cell RCC driver) disrupted nephrogenesis and glomerular development, causing neonatal death, while the clear cell RCC failed driver, Sglt2-Cre, induced aggressive tRCC (as well as alveolar soft part sarcoma) with complete penetrance and short latency. However, in both contexts, ASPSCR1-TFE3 led to characteristic morphological cellular changes, loss of epithelial markers, and an epithelial-mesenchymal transition. Electron microscopy of tRCC tumors showed lysosome expansion, and functional studies revealed simultaneous activation of autophagy and mTORC1 pathways. Comparative genomic analyses encompassing an institutional human tRCC cohort (including a hitherto unreported SFPQ-TFEB fusion) and a variety of tumorgraft models (ASPSCR1-TFE3, PRCC-TFE3, SFPQ-TFE3, RBM10-TFE3, and MALAT1-TFEB) disclosed significant convergence in canonical pathways (cell cycle, lysosome, and mTORC1) and less established pathways such as Myc, E2F, and inflammation (IL-6/JAK/STAT3, interferon-γ, TLR signaling, systemic lupus, etc.). Therapeutic trials (adjusted for human drug exposures) showed antitumor activity of cabozantinib. Overall, this study provides insight into MiT/TFE-driven tumorigenesis, including the cell of origin, and characterizes diverse mouse models available for research.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 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 ».