Étiologie du biais de l'inactivation du chromosome X (ICX) dans les cellules sanguines des femmes vieillissantes : sélection hémizygote et acquisition de mutations somatiques
Bibliographic record
Abstract
Les cellules souches hématopoïétiques (CSH) assurent une production constante des cellules sanguines tout au long de la vie, mais sont vulnérables à l’acquisition de mutations pouvant mener à une transformation maligne. Les mutations qui confèrent un avantage de croissance entraîneront une prolifération clonale. L’étude de la clonalité est centrale à la compréhension de ces phénomènes. Historiquement, l’analyse de la clonalité a été possible grâce au principe de l’inactivation du chromosome X (ICX) chez les femmes qui entraîne la création de deux populations cellulaires, celle avec le X-paternel actif et celle avec le X-maternel actif. Une déviation (biais) de la proportion théorique de 1 :1 entre ces deux populations peut supposer une dominance clonale. Nous avons démontré un biais significatif de l’ICX chez les femmes avec l’âge. Ce phénomène peut être expliqué par plusieurs causes dont la sélection hémizygote (un des deux X possède des allèles plus forts que l’autre) et l’acquisition de mutations dans une CSH. Nous posons l’hypothèse que ces deux phénomènes coexistent et peuvent être distingués par une approche génomique. Nous avons recruté une cohorte de 2996 femmes canadiennes-françaises âgées entre 37 et 101 ans composée de 2172 individus issus de 321 familles et de 824 individus non apparentés. Deux tissus biologiques ont été recueillis : le sang périphérique (PMN, monocytes, lymphocytes T, lymphocytes B) et des cellules buccales. Le ratio de l’ICX a été déterminé par la méthode HUMARA, l’analyse de gènes associés à l’hématopoïèse clonale (19 gènes) a été faite par la méthode de séquençage NGS, et la cohorte a été génotypée à 700 625 loci polymorphiques de l’ADN (SNP). Des analyses bioinformatiques ont été - iv - appliquées pour étudier la contribution génétique au biais de l’ICX. Nous démontrons que : (i) le biais de l’ICX est plus prévalent dans les cellules sanguines par rapport aux cellules épithéliales et maximal dans les cellules myéloïdes; (ii) le biais augmente avec l’âge seulement dans les cellules sanguines et que cette influence est plus marquée pour les neutrophiles; (iii) la concordance du biais est très importante pour les différents types cellulaires sanguins, suggérant un mécanisme opérant au niveau de la CSH ; (iv) il y a une composante héréditaire liée au biais de l’ICX; (v) la présence de mutations acquises (TET2, DNMT3A, etc.) explique seulement une partie du biais ; (vi) à l’aide d’analyses par liaison génétique la présence d’une région sur le chromosome X à Xq21 (LOD score 4.9) qui est associée au biais des lymphocytes T et une autre sur le chromosome 1 à 1q21 (LOD score 6) qui est associée au biais des neutrophiles. Nous avons départagé la contribution liée à l’acquisition de mutations somatiques et identifié pour la première fois des régions liées à une prédisposition génétique. Nos travaux se poursuivront d’une part par l’analyse de gènes candidats dans les régions identifiées, et d’autre part nous tenterons d’identifier les cibles génétiques qui confèrent un potentiel de transformation maligne en utilisant une approche basée sur l’analyse du méthylome, de l’hydroxyméthylome et du transcriptome que nous venons de valider. Notre étude démontre la complexité de l’adaptation de l’hématopoïèse au vieillissement et ouvre des portes sur l’identification de facteurs prédisposant aux cancers hématologiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".