MétaCan
Menu
Retour à la cohorte
Enregistrement W4399787624 · doi:10.1093/neuonc/noae064.198

ETMR-28. EVALUATING THERAPEUTIC APPROACHES IN EMBRYONAL TUMORS WITH PLAGL1 AND PLAGL2 AMPLIFICATION AND UNRAVELING MOLECULAR PARALLELS IN EPIGENETICALLY RELATED TUMORS WITH PLAG1-ALTERATIONS

2024· article· en· W4399787624 sur OpenAlexaff
Michaela‐Kristina Keck, Anna Tietze, Philipp Sievers, Brigitte Bison, Shivaram Avula, Sebastian Brandner, Edmund Cheesman, Cécile Faure‐Conter, Tanguy Fenouil, Dominique Figarella‐Branger, Guillaume Gauchotte, Einar Goebell, Johannes Gojo, Christine Haberler, Juhana Hakumäki, James Hayden, Nada Jabado, Laura S. Korhonen, Andrey Korshunov, Ewa Kościelniak, Christof M. Kramm, Mariëtte E.G. Kranendonk, Cinzia Lavarino, Maarten H. Lequin, Hugues Loiseau, Louise Ludlow, Ossama Maher, David Meyronet, Per Olof Nyman, Ingrid Øra, Thomas Perwein, Jouni Pesola, Tuomas Rauramaa, Roel E. Reddingius, David Samuel, Antoinette Y. N. Schouten‐van Meeteren, Ulrich Schüller, Alexandra Sexton‐Oates, David A. Solomon, Pascale Varlet, Alexandre Vasiljevic, Thekla von Kalle, Annika K. Wefers, Pieter Wesseling, Christine L. White, Josef Zámečnı́k, Michal Zápotocký, Katja von Hoff, David Jones

Notice bibliographique

RevueNeuro-Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueKruppel-like factors research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésParallelsBiologyCancer research

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Embryonal tumors with PLAGL1 and PLAGL2 amplification (ET, PLAGL) display substantial clinical heterogeneity regarding applied treatment and outcomes. As a recently-defined entity, the spectrum of tumor-driving PLAG-family alterations is not yet fully elucidated. METHODS We analyzed clinical and MRI data from patients with ET, PLAGL. Second, we identified and analyzed tumors with epigenetic similarities. RESULTS 18 patients with ET, PLAGL revealed diverse clinical behavior. Patients with PLAGL1-amplified tumors (ET, PLAGL1) were older (median 8 years), had a higher rate of complete resections (6/9) and fewer relapses (3/9). Patients with PLAGL2-amplified tumors (ET, PLAGL2) were younger (median 1.9 years), often incompletely resected (6/9) and prone to earlier relapse/progression. Five-year PFS was 89% and 17% (ET, PLAGL1/ET, PLAGL2), with no predictive value of initial surgical extent on PFS/OS. Postoperative treatment included chemotherapy (17/18, various protocols) alone (n=8) or combined with RT (n=9). The three survivors with ET, PLAGL2 underwent induction and high-dose chemotherapy. All five patients with less intensive chemotherapy relapsed. Most first and all subsequent ET, PLAGL2 relapses were distant, questioning the value of initial local radiotherapy. Two ET, PLAGL1 relapses occurred >8 years after diagnosis (one after, one without previous RT). Through methylation-based t-SNE we identified 143 tumors with epigenetic similarities to ET, PLAGL. Filtering revealed a core set of 27 tumors, of which seven displayed evidence of PLAG1-fusion events and one PLAG1-amplification. RNAseq analysis (n=4) revealed distinct gene fusions involving PLAG1, with similar genes upregulated (RET, CYP2W1 and imprinted genes) as in ET, PLAGL. Like ET, PLAGL, PLAG1-fused tumors, occurred in young children with different diagnoses and localizations. CONCLUSION PLAG1-fused tumors are epigenetically similar to ET, PLAGL, show similarities in gene expression, and need to be differentiated from neuroepithelial tumor with PLAGL1-fusion. Future investigations will examine differences in clinical behavior and the utility of PLAG1/L1/L2 IHC for diagnosis.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,916

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,330
Écart entre enseignants0,282 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetKruppel-like factors researchTravaux en français237 207