TMIC-13. INTEGRATING SNRNASEQ AND SPATIAL TRANSCRIPTOME (ST) SHOWS DIVERSE TRANSCRIPTOMIC LANDSCAPE FOR TUMOR MICROENVIRONMENT (TME) IN INTRACRANIAL GERMINOMAS
Notice bibliographique
Résumé
Abstract The incidence of intracranial germ cell tumors is 5-8 times higher in East Asia and histologically, germinoma is well known to show intense lymphocytic infiltrates. In spite of germinoma’s well known immune infiltration, there have only been a few studies on its tumor micro-environment (TME). There has been no study using the recent and comprehensive techniques of single nucleus sequencing or spatial transcriptomics to study its TME. In this study, we studied snRNAseq (Chromium 10X) of FFPE tissues of 24 intracranial germinomas, and spatial transcriptomes (STs) (Visium Spatial) from fresh tissues from ten matched cases. For the TME, in contrast to common belief, macrophages and fibroblasts were equally represented as T- and NK-cells as immune cells. Clinical stage correlated with a lesser proportion of fibroblasts and T- and NK-cells. There was no correlation with proportion of tumor cells with either focal vs bifocal disease or clinical stage. Common gene modules (non-negative matrix factorization) were epithelial-mesenchymal transition (complete and partial), cell cycle and immune cells. Cell interaction analysis showed strong interaction between germ cells and macrophages involving CXCL, MIF and MK pathways. By ligand-receptor analysis, MIF combined with CD74 might promote tumor development. For ten cases, we studied STs with fresh tissues and integrated the results with snRNSeq, deconvoluting the spots for ST using snRNAseq cell types as reference (SPOTight) and achieved integrated single cell expression atlases of the STs (Seurat package). STs revealed a similar CNV plot pattern as those derived from snRNAseqs. Multimodal Intersection Analysis integrated significant genes based on snRNAseq and different regions’ significant genes based on STs. There was correlation between the expression of the four gene modules for tumor and immune cells for cell neighborhood. In conclusion, we showed in details the heterogenous expression landscape of TME of germinomas.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 0,001 |
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.
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 ».