Cellular reprogramming of H3K27M pediatric high-grade glioma to neuron-like state
Notice bibliographique
Résumé
This study explores the cell fate reprogrammability of H3K27M-mutant pediatric high-grade gliomas (pHGG) using neuronal transdifferentiation as a potential targeted therapy. We treated the BT245 patient-derived glioma cell line with pharmacological combinations targeting neuronal differentiation pathways and performed bulk RNA sequencing to characterize gene expression patterns driving cell fate transitions. Our findings reveal that the drug combinations induce transcriptomic changes consistent with differentiation towards neuronal phenotypes, including the upregulation of synaptic and dendritic signaling genes and the downregulation of malignant signatures. In comparison, astrocytic differentiation media (DM) and H3K27M knockout (KO) promote residual astrocytic phenotypes, suggesting neuronal transdifferentiation as a more effective strategy for mitigating tumor aggressiveness and progression. Differentially expressed genes such as GRIK1, GRIN1, NRXN3, NRXN1, CALB2, SCGN, SLC32A1, SLC1A2, KCNC3, and neurodevelopmental regulators including WNT7A, DLX6, ERBB4, ARX, BCL11B, SEMA3C, and FGFBP3 were identified as key markers regulating the neuron-like lineage transition. This study demonstrates that pHGGs can be phenotypically redirected toward neuronal-like identities through modulating cell fate differentiation programs. These findings advance the concept of 'differentiation therapy' as a promising intervention to reduce phenotypic plasticity and malignancy in pHGG ecosystems. While these are early in vitro findings, the potential ability to steer and control glioma cells toward stable, less malignant fates offers promising translational potential for patient-centered targeted therapies.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».