MétaCan
Menu
Retour à la cohorte
Enregistrement W4392366622 · doi:10.1002/ctm2.1595

Analysis of single nuclear chromatin accessibility reveals unique myeloid populations in human pancreatic ductal adenocarcinoma

2024· article· en· W4392366622 sur OpenAlex
Hillary G. Pratt, Li Ma, Sebastian A. Dziadowicz, Sascha Ott, Thomas Whalley, Barbara Szomolay, Timothy D. Eubank, Gangqing Hu, Brian A. Boone

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueClinical and Translational Medicine · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Institute of General Medical SciencesNational Cancer InstituteWest Virginia Clinical and Translational Science InstituteNational Institutes of HealthNational Science Foundation
Mots-clésPancreatic ductal adenocarcinomaChromatinMedicineBiologyCancer researchInternal medicinePancreatic cancerGeneticsGeneCancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A better understanding of the pancreatic ductal adenocarcinoma (PDAC) immune microenvironment is critical to developing new treatments and improving outcomes. Myeloid cells are of particular importance for PDAC progression; however, the presence of heterogenous subsets with different ontogeny and impact, along with some fluidity between them, (infiltrating monocytes vs. tissue-resident macrophages; M1 vs. M2) makes characterisation of myeloid populations challenging. Recent advances in single cell sequencing technology provide tools for characterisation of immune cell infiltrates, and open chromatin provides source and function data for myeloid cells to assist in more comprehensive characterisation. Thus, we explore single nuclear assay for transposase accessible chromatin (ATAC) sequencing (snATAC-Seq), a method to analyse open gene promoters and transcription factor binding, as an important means for discerning the myeloid composition in human PDAC tumours. METHODS: Frozen pancreatic tissues (benign or PDAC) were prepared for snATAC-Seq using 10× Chromium technology. Signac was used for preliminary analysis, clustering and differentially accessible chromatin region identification. The genes annotated in promoter regions were used for Gene Ontology (GO) enrichment and cell type annotation. Gene signatures were used for survival analysis with The Cancer Genome Atlas (TCGA)-pancreatic adenocarcinoma (PAAD) dataset. RESULTS: Myeloid cell transcription factor activities were higher in tumour than benign pancreatic samples, enabling us to further stratify tumour myeloid populations. Subcluster analysis revealed eight distinct myeloid populations. GO enrichment demonstrated unique functions for myeloid populations, including interleukin-1b signalling (recruited monocytes) and intracellular protein transport (dendritic cells). The identified gene signature for dendritic cells influenced survival (hazard ratio = .63, p = .03) in the TCGA-PAAD dataset, which was unique to PDAC. CONCLUSIONS: These data suggest snATAC-Seq as a method for analysis of frozen human pancreatic tissues to distinguish myeloid populations. An improved understanding of myeloid cell heterogeneity and function is important for developing new treatment targets in PDAC.

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.

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 enseignants0,190
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,086
Tête enseignante GPT0,371
Écart entre enseignants0,285 · 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