MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399787827 · doi:10.1093/neuonc/noae064.139

DIPG-86. INVESTIGATING THE TUMOR ENVIRONMENT AND SIGNALING DEPENDENCIES DRIVING DIFFUSE MIDLINE GLIOMA TUMOR INITIATION, PROGRESSION, AND RESISTANCE: A COMPREHENSIVE APPROACH LEVERAGING BULK MULTIOMICS DECONVOLUTION AND SINGLE-CELL OMICS VALIDATION

2024· article· en· W4399787827 sur OpenAlexaff
Palak Patel, Scott Ryall, Bharti Kukreja, Andrei Turinski, Robert Siddaway, Michael Brudno, Arun Ramani, Sanja Pajovic, Brian T. Kalish, Cynthia Hawkins

Notice bibliographique

RevueNeuro-Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésDeconvolutionOmicsGliomaCellComputational biologyCancer researchMedicineBiologyComputer scienceBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Diffuse Midline Glioma (DMG) is a incurable tumor affecting children. Recent genomic investigations have identified a recurrent H3K27M mutation which induces global alterations in histone methylation patterns and DNA methylation. These epigenetic modifications hint at pivotal roles in DMG pathogenesis, yet effective therapeutic strategies remain elusive, with median survival rates stagnant at approximately one year. This shortfall stems from two main factors: 1) Inadequate multiomics studies hindering our understanding of DMG evolution and tumor progression, and 2) Limited comprehension of the tumor microenvironment in DMG. METHODS To elucidate DMG’s clonal evolution, we adopted a comprehensive multi-region sampling approach, acquiring 33 specimens from seven patients. Whole-exome and transcriptome sequencing, alongside DNA methylation profiling, were performed. Additionally, we generated one of the most extensive single-cell multiomics datasets (>300,000 cells from 21 additional samples), with a focus on pre- and post-treatment, and dissemination effects in DMG. RESULTS Our analysis delineated a tumor-promoting microenvironment characterized by hypoxia and pro-inflammatory conditions, nurturing genomic alterations and specialized biological processes such as proliferation and epithelial-mesenchymal transition. Notably, a majority of immune cells exhibited M1-like polarization, bolstering pro-inflammatory programs within the tumor milieu. Subclones within the DMG cohort demonstrated dissemination potential, often exhibiting up-regulation of NOTCH, P53, and WNT beta-catenin signaling pathways. These findings suggest that DMG clones harboring dissemination capabilities outside the pons acquire additional phenotypic features, possibly mediated by epigenetic or transcriptional alterations, contributing to enhanced migratory and aggressive behaviors. CONCLUSIONS Our study unveils the parallel evolution of DMG at genetic, epigenetic, and transcriptional levels, unveiling novel subclonal phenotypes governing tumor behavior. Crucially, we identify critical environmental shifts such as hypoxia and inflammatory changes, coupled with specialized signaling programs, driving dissemination and resistance phenotypes. These insights may pave the way for generating accurate genetically mouse models and targeted therapeutic interventions to combat this challenging malignancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,251
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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-Oncology→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→