Single-cell Transcriptional Atlas of Human Hematopoiesis Reveals Genetic and Hierarchy-Based Determinants of Aberrant AML Differentiation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Therapeutic targeting of acute myeloid leukemia (AML) is hampered by intra- and inter-tumoral cell state heterogeneity. To develop a more precise understanding of AML cell states, we constructed a reference atlas of human hematopoiesis from 263,159 single-cell transcriptomes spanning 55 cellular states. Using this atlas, we mapped more than 1.2 million cells spanning 318 leukemia samples, revealing 12 recurrent patterns of aberrant differentiation in AML. Notably, this uncovered unexpected AML cell states resembling lymphoid and erythroid progenitors that were prognostic within the clinically heterogeneous context of normal karyotype AML, independent of genomic classifications. Systematic mapping of genotype-to-phenotype associations revealed specific differentiation landscapes associated with more than 45 genetic drivers. Importantly, distinct cellular hierarchies can arise from samples sharing the same genetic driver, potentially reflecting distinct cellular origins for disease-sustaining leukemia stem cells. Thus, precise mapping of malignant cell states provides insights into leukemogenesis and refines disease classification in acute leukemia. SIGNIFICANCE: We present a single-cell reference atlas of human hematopoiesis and a computational tool for rapid mapping and classification of healthy and leukemic cells. Applied to AML, this has enabled single-cell analysis at the scale of hundreds of patient samples, revealing the full breadth of derailment of differentiation in AML. See related commentary by Berger and Penter, p. 280.
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.
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 découle