Abstract 3896: Multi-omic and multi-region profiling of uterine leiomyoma reveals intra- and inter-tumor heterogeneity
Notice bibliographique
Résumé
Abstract Objective: Molecular heterogeneity has been well-documented in malignant tumors but has yet to be thoroughly studied in benign non-metastasizing tumors. Uterine leiomyomas (LM) (fibroids) are benign tumors originating from the myometrium, commonly affecting women of reproductive age. Approximately half of patients present with multiple tumors, termed multifocal LM. LM are thought to be monoclonal proliferations based on their pattern of X chromosome inactivation. Mutations of the MED12 gene are the genetic hallmark of LM. Treatment of LM includes surgery and hormone therapy. It is unknown whether multifocal LM exhibit inter-tumor heterogeneity, contributing to variable response to hormone therapy. Anecdotal reports suggest that LM may occasionally transform into malignant metastasizing tumor called leiomyosarcoma (LMS). Better understanding of intra-tumor heterogeneity of LM may identify cell clones that may contribute to oncogenic transformation. In this study, we sought to perform a comprehensive multi-omic investigation of the possible intra- and inter-tumor heterogeneity of uterine LM. Methods: We performed multi-omic analysis of 62 specimens from 21 LM patients (median of 3 tumors per patient, range: 2-8). We analyzed multiple regions of a single tumor, and multiple concurrent LM from patients with multifocal disease. We profiled DNA methylation (EPIC microarrays), point mutations (whole exome sequencing) and gene expression (whole transcriptome RNA-seq) in these specimens. Results: Multi-omic profiling showed a remarkable intra- and inter-tumor heterogeneity of genomic, epigenomic and transcriptomic patterns. Through reconstruction of phylogenetic trees based on single nucleotide variants, we identified novel clonal and subclonal somatic mutations in LM. We detected for the first time different MED12 mutations in co-existing nodules in the same patient. DNA methylation and transcriptomic profiles appeared to have a similar degree of variability within individual tumors and between different tumors from the same patient. We also observed a significant enrichment of different molecular pathways between distinct regions of the same tumor. Conclusion: Molecular heterogeneity is well-established in malignant tumors, and we report it here for the first time in histologically bland lesions like LM. Our study reveals that in multifocal LM, distinct tumors can acquire unique molecular alterations, meaning that single-tumor analysis may not capture the full spectrum of molecular changes. This highlights the importance of considering molecular heterogeneity in diagnosis and evaluation of response to hormonal treatment in LM. We also demonstrate for the first time the presence of intra-tumor heterogeneity of LM. It remains to be further investigated whether clonal evolution may contribute to occasional oncogenic transformation of benign LM into malignant LMS. Citation Format: Chelsea De Bellis, Sujay Vennam, Christopher Eeles, Philippe Jolivet, Deirdre Lum, Benjamin Haibe-Kains, Matt van de Rijn, Joanna Przybyl. Multi-omic and multi-region profiling of uterine leiomyoma reveals intra- and inter-tumor heterogeneity [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 3896.
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 | 0,001 |
| 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 ».