Longitudinal single-cell RNA sequencing of a neuroendocrine transdifferentiation model reveals transcriptional reprogramming in treatment-induced neuroendocrine prostate cancer
Notice bibliographique
Résumé
Abstract Neuroendocrine transdifferentiation (NEtD) of prostate adenocarcinoma (PRAD) leads to aggressive neuroendocrine prostate cancer (NEPC). The LTL331 patient-derived xenograft (PDX) model consistently progresses to NEPC following castration, mimicking clinical responses to androgen-deprivation therapy. Here we tracked NEtD using longitudinal single-cell RNA sequencing (scRNA-seq) across eight time points in LTL331 from pre- to post-castration. Castration led to the loss of AR-high PRAD cells, expansion of AR-low populations, and emergence of an AR- and NE-negative (AR-/NE-) intermediate state that transitioned into NEPC. We delineate a model in which pre-EMT cells enriched in ciliogenesis and cell-adhesion pathways differentiate into EMT-like populations before branching into distinct ASCL1+ and ASCL1− NEPC states. The EMT-enriched intermediate, marked by progenitor and neural crest stem-cell genes, acts as a transition bridge, suggesting EMT-associated stemness underlies lineage plasticity. A terminal ASCL1-NEPC state also suggests that ASCL1 is not essential for NEPC maintenance. Gene regulatory analysis highlighted key regulators driving NEtD, including MSX1 and ASCL1 in early EMT-like and NEPC states, respectively. These transcriptional states were validated in both patient-derived bulk and scRNA-seq data. Our findings offer insights into intervention strategies to delay or prevent NEtD with the potential of identifying novel prognostic and therapeutic targets.
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 | 0,000 | 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) | 0,001 | 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 ».