The N6-methyladenosine Epitranscriptomic Landscape of Lung Adenocarcinoma
Notice bibliographique
Résumé
Comprehensive N6-methyladenosine (m6A) epitranscriptomic profiling of primary tumors remains largely uncharted. Here, we profiled the m6A epitranscriptome of 10 nonneoplastic lung tissues and 51 lung adenocarcinoma (LUAD) tumors, integrating the corresponding transcriptomic, proteomic, and extensive clinical annotations. We identified distinct clusters and genes that were exclusively linked to disease progression through m6A modifications. In comparison with nonneoplastic lung tissues, we identified 430 transcripts to be hypo-methylated and 222 to be hyper-methylated in tumors. Among these genes, EML4 emerged as a novel metastatic driver, displaying significant hypermethylation in tumors. m6A modification promoted the translation of EML4, leading to its widespread overexpression in primary tumors. Functionally, EML4 modulated cytoskeleton dynamics by interacting with ARPC1A, enhancing lamellipodia formation, cellular motility, local invasion, and metastasis. Clinically, high EML4 protein abundance correlated with features of metastasis. METTL3 small-molecule inhibitor markedly diminished both EML4 m6A and protein abundance and efficiently suppressed lung metastases in vivo. Significance: Our study reveals a dynamic and functional epitranscriptomic landscape in LUAD, offering a valuable resource for further research in the field. We identified EML4 hypermethylation as a key driver of tumor metastasis, highlighting a novel therapeutic strategy of targeting EML4 to prevent LUAD metastasis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».