Distinct gene regulatory networks govern hematopoietic and leukemia stem cells
Notice bibliographique
Résumé
Abstract The underlying gene regulatory networks (GRN) that govern leukemia stem cells (LSC) in acute myeloid leukemia (AML) and hematopoietic stem cells (HSC) are not well understood. Here, we identified GRNs by integrating gene expression (GE) and chromatin accessibility data derived from functionally defined cell populations enriched for HSC and LSC. We analyzed n=32 LSC+ and n=32 LSC-cell fractions from n=22 AML patients, along with n=7 stem and n=10 progenitor enriched cell populations sorted from human umbilical cord blood (hUCB), producing a database of n≈17,000 transcription factor (TF) regulatory interactions for hUCB-HSPC and AML. We developed an iterative algorithm that associates the degree of chromatin openness with TF binding preferences, and the GE of candidate TF and target genes within 100kb upstream of transcription start sites. A putative regulatory structure was found to be enriched in HSC-enriched cell populations, comprising TF-target gene interactions between ETS1, EGR1, RUNX2, and ZNF683 oriented in a self-reinforcing configuration. A regulatory loop comprising FOXK1 and MEIS1, rather than the 4-factor HSC subnetwork, was detected in the LSC-specific GRN. The core HSC and LSC TF networks were extended using protein-protein interaction (PPI) data to determine connectivity with interacting genes whose expression strongly associated with LSC/HSC frequency estimates, producing a database of n=103,516 PPI target pathways. The effect of perturbing genes along the identified pathways on functional HSC and LSC frequency was predicted based on statistical regression analyses. To validate GRN predictions, we used pharmacologic and CRISPR targeting, in addition to re-examining published functional data associated with several network nodes that were predicted to impact stemness. Notably, we found that inhibition of CDK6 in AML samples markedly reduced LSC numbers as assessed in de novo serial xenotransplantation studies (fold change ≈ 10), as predicted by the LSC GRN model. Additionally, in-house CRISPR-based knockdown of ETS1 resulted in a significant decrease in HSC quiescence-associated microRNA-126 expression, and increased HSC frequency. Taken together, our models provide a comprehensive view of the underlying regulatory structures governing functional human HSC and LSC. This approach has translational potential as it can be used as a high-throughput in-silico screening tool for the systematic identification of gene targets for LSC elimination and HSC expansion.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».