Single-cell proteogenomic analysis of clonal evolution in PDX models of AML treated with IDH inhibitors
Notice bibliographique
Résumé
1. Single-cell proteogenomic analysis of AML PDX models offers the potential to study clonal evolution in response to different therapies. 2. Co-transplanting multiple primary samples into a single animal can generate PDX models with the desired genetic composition. Clonal heterogeneity in acute myeloid leukemia (AML) can drive drug resistance because different clones may respond variably to treatments. Studying the evolution of these clones under the influence of therapeutic selective pressures is important for designing strategies to overcome drug resistance. Here, we used single-cell proteogenomic analysis to monitor the clonal evolution and differentiation of isocitrate dehydrogenase ( IDH )-mutated AML in patient-derived xenografts (PDXs) treated with IDH inhibitors alone or in combination with other anti-leukemic therapies. Furthermore, we generated mixed PDX models by co-engrafting two or more leukemic samples into the same animal and used single-cell DNA sequencing to deconvolute their clonal composition. Using these models, we tracked clonal evolution under selective pressure from IDH inhibitors and combination therapies, identifying an association between WT1 mutations and ivosidenib (IDH1 inhibitor) monotherapy resistance and antagonism between ivosidenib and enasidenib (IDH2 inhibitor) when tested in IDH1 -mutated cells. Our findings demonstrate how single-cell proteogenomic analysis of PDX models can illuminate drug resistance mechanisms and inform therapeutic strategies.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 ».