MétaCan
Menu
Retour à la cohorte
Enregistrement W4404149846 · doi:10.1093/bjd/ljae432

Exploration of the mutational landscape of cutaneous leiomyoma confirms <i>FH</i> as a driver gene and identifies targeting purine metabolism as a potential therapeutic strategy

2024· article· en· W4404149846 sur OpenAlexfundno aff
Louise van der Weyden, Martin Del Castillo Velasco‐Herrera, Saamin Cheema, Kim Wong, Jacqueline Marcia Boccacino, Ian Vermes, Victoria Offord, Alastair Droop, David R A Jones, Elizabeth Anderson, Claire Hardy, Nicolas de Saint Aubain, Peter M. Ferguson, Carolin Mogler, Neil Rajan, Derek Frew, Paul W. Harms, Steven D. Billings, Désirée Schatton, Marc Segarra‐Mondejar, Mark J. Arends, Ingrid Ferreira, Thomas Brenn, Christian Frezza, David J. Adams

Notice bibliographique

RevueBritish Journal of Dermatology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueUrinary and Genital Oncology Studies
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilNational Institute for Health and Care ResearchMedical Research Council CanadaWellcome Trust
Mots-clésPurineLeiomyomaGeneBiologyPurine analogueComputational biologyCancer researchBioinformaticsMedicineGeneticsPathologyBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

To comprehensively explore the mutational landscape of cutaneous leiomyoma (cLM) and identify candidate driver events, we performed a retrospective, multi-institutional, whole-exome sequencing and RNA sequencing study. We confirmed that a large proportion of patients with cLM have germline FH variants and additionally showed that somatic alteration of FH also drives cLM, with biallelic inactivation of FH being a frequent event. Treatment of Fh1-proficient and -deficient cell lines with the purine antagonist and chemotherapeutic agent, mercaptopurine, significantly decreased growth/colony formation; however, the addition of nucleosides was able to rescue only the Fh1-proficient cells, suggesting that purine metabolism is a targetable vulnerability for FH-deficient cLMs.

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)0,000
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: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,255 · 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'étudeÉtude de cas
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of DermatologyMême sujetUrinary and Genital Oncology StudiesTravaux en français237 207