Metabolic reprogramming in glioblastoma: a rare case of recurrence to scalp metastasis
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma (GB), an aggressive brain malignancy with a poor prognosis of 1.5-2 years, rarely exhibits extracranial metastasis (ECM). However, metabolic reprogramming has emerged as a key driver of GB progression and invasiveness. This study presents a rare case of recurrent GB with scalp metastasis, exploring how metabolic shifts enable GB cells to evade treatment and adapt to hostile environments, offering insights for developing innovative therapies. METHODS: Tandem mass spectrometry (MS/MS) was employed to analyze amino acid profiles in both the recurrent and metastatic stages of GB. Systems biology approaches were used to uncover genetic alterations and metabolic reprogramming associated with the progression from recurrence to metastasis. RESULTS: Our analysis revealed distinct amino acid utilization patterns in a patient with a molecular phenotype of wild-type IDH-1&2, TERT mutation, non-mutated BRAF and EGFR, and non-methylated MGMT. During recurrence and metastasis, significant differences in amino acid profiles were observed between blood and cerebrospinal fluid (CSF) samples. Additionally, protein-protein interaction (PPI) analysis identified key genomic drivers potentially responsible for the transition from recurrent to metastatic GB. CONCLUSIONS: Beyond established risk factors such as craniotomy, biopsies, ventricular shunting, and radiation therapy, our findings suggest that metabolic reprogramming plays a crucial role in the transition from recurrent to metastatic GB. Targeting these metabolic shifts could provide new avenues for managing and preventing extracranial metastasis in GB, making this an important focus for future research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».