Abstract A026: Single-cell landscape deciphering cancer Single-cell landscape deciphering cancer cell-of-origin and cellular heterogeneity in malignant transformation of 13 major tissues
Notice bibliographique
Résumé
Abstract Deciphering disease progression and the sophisticated tumor ecosystems is imperative for exploring tumorigenesis mechanisms and developing novel prevention strategies. Here, we dissected heterogeneous tissue microenvironments during malignant transitions by leveraging data from 4,972,145 single cells in 1396 samples from 62 datasets spanning 13 major tissue types. Within transitional stem-like subpopulations highly enriched in precancerous lesions and cancers, we identified 30 recurring cellular states, including hypoxia and epithelial senescence, revealing a high degree of plasticity in epithelial stem cells. By characterizing the dynamics of stem-cell crosstalk with the microenvironment along the pseudotime axis, we uncovered distinct roles of ANXA1 at different stages of tumor development. ANXA1 expression levels in stem cells were decreased from the healthy to the precancerous stages, which promoted inflammatory responses by recruiting neutrophils and regulating monocyte differentiation towards M1 macrophages. In contrast, during malignant progression, upregulated ANXA1 fostered M2 macrophage polarization and cancer-associated fibroblast transformation. Our spatiotemporal analysis further provided insights into mechanisms responsible for immunosuppression. Collectively, this study provided a systematic view of cancer origins, and suggested that restoring and maintaining the balance of inflammation and their mediators (e.g., AnxA1/FPRs signaling) may represent a novel approach to control the evolution of precancerous lesions and mitigate the risk for cancer development. Citation Format: Ruihan Luo. Single-cell landscape deciphering cancer cell-of-origin and cellular heterogeneity in malignant transformation of 13 major tissues [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Expanding and Translating Cancer Synthetic Vulnerabilities; 2024 Jun 10-13; Montreal, Quebec, Canada. Philadelphia (PA): AACR; Mol Cancer Ther 2024;23(6 Suppl):Abstract nr A026.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».