Single-cell transcriptomics of pediatric Burkitt lymphoma reveals intra-tumor heterogeneity and markers of therapy resistance
Notice bibliographique
Résumé
Burkitt lymphoma (BL) is the most frequent B-cell lymphoma in pediatric patients. While most patients are cured, a fraction of them are resistant to therapy. To investigate BL heterogeneity and the features distinguishing therapy responders (R) from non-responders (NR), we analyzed by single-cell (sc)-transcriptomics diagnostic EBV-negative BL specimens. Analysis of the non-tumor component revealed a predominance of immune cells and a small representation of fibroblasts, enriched in NR. Tumors displayed patient-specific features, as well as shared subpopulations that expressed transcripts related to cell cycle, signaling pathways and cell-of-origin signatures. Several transcripts were differentially expressed in R versus NR. The top candidate, Tropomyosin 2 (TPM2), a member of the tropomyosin actin filament binding protein family, was confirmed to be significantly higher in NR both at the transcript and protein level. Stratification of patients based on TPM2 expression at diagnosis significantly correlated with prognosis, independently of TP53 mutations. These results indicate that BL displays transcriptional heterogeneity and identify candidate biomarkers of therapy resistance.
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 ».