Molecular Characterization of the Spectrum of Peripheral Nerve Sheath Tumors
Notice bibliographique
Résumé
Malignant peripheral nerve sheath tumor (MPNST) is a highly aggressive sarcoma, and the most lethal form of cancer in the context of neurofibromatosis type 1. The current standard of care includes surgery plus radiation, with no effective chemo or targeted therapeutic options. Here we examined the genomic and epigenomic drivers of MPNSTs, analyzing 108 tumors spanning the full spectrum of peripheral nerve sheath tumors, using a multiplatform integrated approach to identify drivers of MPNST. We established through multiple unsupervised analyses of methylome and transcriptome profiles that there exist two distinct pathways of malignant transformation leading to MPNSTs, one through SHH pathway activation (MPNST-G1) and the other through WNT pathway activation (MPNST-G2). We discovered distinct copy number aberration, mutational profiles, and targetable oncogenic programs that define each sub-group. Further, single nuclear RNA sequencing characterizes the complex cellular architecture that defines each subgroup, with MPNST-G1 and MPNST-G2 resembling neural crest-like and Schwann cell precursor-like cells, respectively. Additionally, in-vitro and in-vivo models confirm that inhibition of the SHH pathway can prevent growth and malignant progression of MPNSTs, proving sonidegib to be novel therapeutic option in these lethal cancers.
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 | 0,001 | 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) | 0,002 | 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 ».