Transcriptional landscape of pleural mesothelioma patients in relation to NF2 gene mutational status
Notice bibliographique
Résumé
BACKGROUND: Pleural mesothelioma (PM) is an aggressive cancer with poor prognosis, often driven by asbestos exposure. Mutations in the NF2 gene, a key regulator of the Hippo signaling pathway, are frequently observed in PM. However, their impact on tumor biology, immune infiltration, cytokine signaling, and therapeutic response remains poorly understood. METHODS: Using data from The Cancer Genome Atlas, we analyzed 82 PM cases to assess the prevalence and consequences of NF2 mutations. Logistic regression was used to evaluate associations with clinical variables, while transcriptomic differences were examined through differential expression and functional enrichment analyses. Immune and stromal infiltration were inferred via the xCell algorithm, cytokine signaling analyzed with Cytosig, and chemotherapeutic sensitivity predicted using the pRRophetic R package. Single-cell RNA sequencing data provided further insights into transcriptional patterns in NF2-mutated tumors. RESULTS: NF2 mutations were present in 22% of cases, with no significant correlations to histological subtype, stage, or age. NF2-mutated tumors exhibited increased infiltration of basophils, naïve B cells, and pericytes, along with altered cytokine profiles, including NRG1, TGFB3, and reduced FGF2. Differentially expressed genes, such as MYL7 and HOXA11, were linked to poorer survival. Chemotherapy modeling indicated higher sensitivity to camptothecin and vinblastine in NF2-mutated tumors. CONCLUSIONS: NF2 mutations influence the tumor microenvironment, transcriptional landscape, and predicted therapeutic response in PM, underscoring their potential as prognostic biomarkers. These findings support tailored therapeutic strategies targeting NF2-related pathways, including Hippo signaling and cytokine modulation.
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 | 0,000 |
| 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 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 ».