Elucidating divergent biology in uterine carcinosarcoma
Notice bibliographique
Résumé
OBJECTIVES: Uterine carcinosarcoma (UCS) is an aggressive malignancy characterized by epithelial (C) and mesenchymal (S) components, with complex biology and poor treatment response. This study aims to enhance understanding of UCS through genomic, epigenomic, and transcriptomic analysis. METHODS: Microdissected (C and S) tumor samples were processed for whole-genome sequencing (WGS), RNA-seqencing, and enzymatic methylation sequencing (EM-Seq). Multiplex immunohistochemistry (mIHC) and computational pathology techniques were employed to assess tumour microenvironment (TME). RESULTS: WGS and EM-seq of 18 samples from 9 patients revealed a low tumor mutation burden (TMB; median = 0.97 mutations/Mb) and no evidence of microsatellite instability (MSI). Driver mutations were identified in TP53 (94 %), PIK3CA (33 %), and PPP2R1A (22 %). Copy-number (CN) analysis revealed recurrent amplifications of MYC (67 %), PIK3CA (61 %), CCNE1 (56 %), AKT2 (44 %), and SMARCA4 (39 %). Comparative analysis of the C and S regions revealed no significant differences in mutation frequency, CN, transcriptomic and methylomic profiles. Both regions exhibited global hypomethylation, with functional enrichment for xenobiotic metabolism pathways in C and epithelial-to-mesenchymal transition pathways in S regions. Comparitive mIHC performed on 21 cases showed similar T cell and B cell densities, but a higher density of tumour-associated macrophages and PD-L1+ cells in the S component. Computational morphologic analysis showed substantial histomorphologic heterogeneity within and across UCS cases. CONCLUSION: By elucidating the complex interplay between the epithelial and mesenchymal components, this study enhances our understanding of UCS and informs the development of novel therapeutic strategies targeting both genomic alterations and the TME.
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 ».