F.2 Comprehensively mapping transcriptionally relevant histone modifications in aggressive meningioma leads to novel biologic insights and therapeutic vulnerabilities
Notice bibliographique
Résumé
Background: We recently identified four molecular subgroups of meningioma with distinct biology and outcomes. While two (MG3/MG4) are associated with poor outcome, they display divergent transcriptional profiles (enriched in metabolic and cell cycling pathways, respectively) and therapeutic vulnerabilities (MG3 has no clear treatment target). We sought to understand drivers of these key differences at a chromatin level. Methods: We profiled MG3/MG4 meningiomas for common histone marks H3K27me3, H3K27Ac, H3K4me1, H3K4me3, H3K9me3, and H3K36me3. Multiple computational approaches were used to compare MG3 and MG4 tumours including superenhancer ranking, differential binding analysis, and unsupervised clustering. Results: Our cohort includes 11-20 meningiomas per histone mark. Clustering revealed striking separation of subgroups based on multiple histone marks, particularly H3K36me3. FOXC1, a known driver of the epithelial to mesenchymal transition, was identified as a recurrent superenhancer in both groups, whereas MG3-specific superenhancers mapped to immune regulatory networks. Integrated differential binding analysis confirmed an immune-rich microenvironment in MG3 tumours driven by multiple histone marks, suggesting a role for targeting novel immune checkpoint genes CD84 and CD48. Conclusions: This study is the first to apply integrated analysis of multiple histone modifications to aggressive meningioma. We further characterize MG3 tumours by identifying an epigenetically-driven immune phenotype and propose novel treatment targets.
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 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».