Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
Glioblastoma (GBM) is the most aggressive nervous system cancer. Understanding its molecular pathogenesis is crucial to improving diagnosis and treatment. Integrated analysis of genomic, proteomic, post-translational modification and metabolomic data on 99 treatment-naive GBMs provides insights to GBM biology. We identify key phosphorylation events (e.g., phosphorylated PTPN11 and PLCG1) as potential switches mediating oncogenic pathway activation, as well as potential targets for EGFR-, TP53-, and RB1-altered tumors. Immune subtypes with distinct immune cell types are discovered using bulk omics methodologies, validated by snRNA-seq, and correlated with specific expression and histone acetylation patterns. Histone H2B acetylation in classical-like and immune-low GBM is driven largely by BRDs, CREBBP, and EP300. Integrated metabolomic and proteomic data identify specific lipid distributions across subtypes and distinct global metabolic changes in IDH-mutated tumors. This work highlights biological relationships that could contribute to stratification of GBM patients for more effective treatment. Wang et al. perform integrated proteogenomic analysis of adult glioblastoma (GBM), including metabolomics, lipidomics, and single nuclei RNA-Seq, revealing insights into the immune landscape of GBM, cell-specific nature of EMT signatures, histone acetylation in classical GBM, and the existence of signaling hubs which could provide therapeutic vulnerabilities.
Proteogenomic and metabolomic characterization of human glioblastoma / Wang, L. -B.; Karpova, A.; Gritsenko, M. A.; Kyle, J. E.; Cao, S.; Li, Y.; Rykunov, D.; Colaprico, A.; Rothstein, J. H.; Hong, R.; Stathias, V.; Cornwell, M.; Petralia, F.; Wu, Y.; Reva, B.; Krug, K.; Pugliese, P.; Kawaler, E.; Olsen, L. K.; Liang, W. -W.; Song, X.; Dou, Y.; Wendl, M. C.; Caravan, W.; Liu, W.; Cui Zhou, D.; Ji, J.; Tsai, C. -F.; Petyuk, V. A.; Moon, J.; Ma, W.; Chu, R. K.; Weitz, K. K.; Moore, R. J.; Monroe, M. E.; Zhao, R.; Yang, X.; Yoo, S.; Krek, A.; Demopoulos, A.; Zhu, H.; Wyczalkowski, M. A.; Mcmichael, J. F.; Henderson, B. L.; Lindgren, C. M.; Boekweg, H.; Lu, S.; Baral, J.; Yao, L.; Stratton, K. G.; Bramer, L. M.; Zink, E.; Couvillion, S. P.; Bloodsworth, K. J.; Satpathy, S.; Sieh, W.; Boca, S. M.; Schurer, S.; Chen, F.; Wiznerowicz, M.; Ketchum, K. A.; Boja, E. S.; Kinsinger, C. R.; Robles, A. I.; Hiltke, T.; Thiagarajan, M.; Nesvizhskii, A. I.; Zhang, B.; Mani, D. R.; Ceccarelli, M.; Chen, X. S.; Cottingham, S. L.; Li, Q. K.; Kim, A. H.; Fenyo, D.; Ruggles, K. V.; Rodriguez, H.; Mesri, M.; Payne, S. H.; Resnick, A. C.; Wang, P.; Smith, R. D.; Iavarone, A.; Chheda, M. G.; Barnholtz-Sloan, J. S.; Rodland, K. D.; Liu, T.; Ding, L.; Agarwal, A.; Amin, M.; An, E.; Anderson, M. L.; Andrews, D. W.; Bauer, T.; Birger, C.; Birrer, M. J.; Blumenberg, L.; Bocik, W. E.; Borate, U.; Borucki, M.; Burke, M. C.; Cai, S.; Calinawan, A. P.; Carr, S. A.; Cerda, S.; Chan, D. W.; Charamut, A.; Chen, L. S.; Chesla, D.; Chinnaiyan, A. M.; Chowdhury, S.; Cieslik, M. P.; Clark, D. J.; Culpepper, H.; Czernicki, T.; D'Angelo, F.; Day, J.; De Young, S.; Demir, E.; Dhanasekaran, S. M.; Dhir, R.; Domagalski, M. J.; Druker, B.; Duffy, E.; Dyer, M.; Edwards, N. J.; Edwards, R.; Elburn, K.; Ellis, M. J.; Eschbacher, J.; Francis, A.; Gabriel, S.; Gabrovski, N.; Garofano, L.; Getz, G.; Gillette, M. A.; Godwin, A. K.; Golbin, D.; Hanhan, Z.; Hannick, L. I.; Hariharan, P.; Hindenach, B.; Hoadley, K. A.; Hostetter, G.; Huang, C.; Jaehnig, E.; Jewell, S. D.; Ji, N.; Jones, C. D.; Karz, A.; Kaspera, W.; Kim, L.; Kothadia, R. B.; Kumar-Sinha, C.; Lei, J.; Leprevost, F. D.; Li, K.; Liao, Y.; Lilly, J.; Liu, H.; Lubinski, J.; Madan, R.; Maggio, W.; Malc, E.; Malovannaya, A.; Mareedu, S.; Markey, S. P.; Marrero-Oliveras, A.; Martinez, N.; Maunganidze, N.; Mcdermott, J. E.; Mcgarvey, P. B.; Mcgee, J.; Mieczkowski, P.; Migliozzi, S.; Modugno, F.; Montgomery, R.; Newton, C. J.; Omenn, G. S.; Ozbek, U.; Paklina, O. V.; Paulovich, A. G.; Perou, A. M.; Pico, A. R.; Piehowski, P. D.; Placantonakis, D. G.; Polonskaya, L.; Potapova, O.; Pruetz, B.; Qi, L.; Ramkissoon, S.; Resnick, A.; Richey, S.; Riggins, G.; Robinson, K.; Roche, N.; Rohrer, D. C.; Rood, B. R.; Rossell, L.; Savage, S. R.; Schadt, E. E.; Shi, Y.; Shi, Z.; Shutack, Y.; Singh, S.; Skelly, T.; Sokoll, L. J.; Stawicki, J.; Stein, S. E.; Suh, J.; Szopa, W.; Tabor, D.; Tan, D.; Tansil, D.; Thangudu, R. R.; Tognon, C.; Traer, E.; Tsang, S.; Tyner, J.; Um, K. S.; Valley, D. R.; Vasaikar, S.; Vatanian, N.; Velvulou, U.; Vernon, M.; Wan, W.; Wang, J.; Webster, A.; Wen, B.; Whiteaker, J. R.; Wilson, G. D.; Zakhartsev, Y.; Zelt, R.; Zhang, H.; Zhang, L.; Zhang, Z.; Zhao, G.; Zhu, J.. - In: CANCER CELL. - ISSN 1535-6108. - (2021). [10.1016/j.ccell.2021.01.006]
Proteogenomic and metabolomic characterization of human glioblastoma
Wang L. -B.;Karpova A.;Gritsenko M. A.;Kyle J. E.;Cao S.;Li Y.;Rykunov D.;Colaprico A.;Rothstein J. H.;Hong R.;Stathias V.;Cornwell M.;Petralia F.;Wu Y.;Reva B.;Krug K.;Pugliese P.;Kawaler E.;Olsen L. K.;Liang W. -W.;Song X.;Dou Y.;Wendl M. C.;Caravan W.;Liu W.;Cui Zhou D.;Ji J.;Tsai C. -F.;Petyuk V. A.;Moon J.;Ma W.;Chu R. K.;Weitz K. K.;Moore R. J.;Monroe M. E.;Zhao R.;Yang X.;Yoo S.;Krek A.;Demopoulos A.;Zhu H.;Wyczalkowski M. A.;McMichael J. F.;Henderson B. L.;Lindgren C. M.;Boekweg H.;Lu S.;Baral J.;Yao L.;Stratton K. G.;Bramer L. M.;Zink E.;Couvillion S. P.;Bloodsworth K. J.;Satpathy S.;Sieh W.;Boca S. M.;Schurer S.;Chen F.;Wiznerowicz M.;Ketchum K. A.;Boja E. S.;Kinsinger C. R.;Robles A. I.;Hiltke T.;Thiagarajan M.;Nesvizhskii A. I.;Zhang B.;Mani D. R.;Ceccarelli M.;Chen X. S.;Cottingham S. L.;Li Q. K.;Kim A. H.;Fenyo D.;Ruggles K. V.;Rodriguez H.;Mesri M.;Payne S. H.;Resnick A. C.;Wang P.;Smith R. D.;Iavarone A.;Chheda M. G.;Barnholtz-Sloan J. S.;Rodland K. D.;Liu T.;Ding L.;Agarwal A.;Amin M.;An E.;Anderson M. L.;Andrews D. W.;Bauer T.;Birger C.;Birrer M. J.;Blumenberg L.;Bocik W. E.;Borate U.;Borucki M.;Burke M. C.;Cai S.;Calinawan A. P.;Carr S. A.;Cerda S.;Chan D. W.;Charamut A.;Chen L. S.;Chesla D.;Chinnaiyan A. M.;Chowdhury S.;Cieslik M. P.;Clark D. J.;Culpepper H.;Czernicki T.;D'Angelo F.;Day J.;De Young S.;Demir E.;Dhanasekaran S. M.;Dhir R.;Domagalski M. J.;Druker B.;Duffy E.;Dyer M.;Edwards N. J.;Edwards R.;Elburn K.;Ellis M. J.;Eschbacher J.;Francis A.;Gabriel S.;Gabrovski N.;Garofano L.;Getz G.;Gillette M. A.;Godwin A. K.;Golbin D.;Hanhan Z.;Hannick L. I.;Hariharan P.;Hindenach B.;Hoadley K. A.;Hostetter G.;Huang C.;Jaehnig E.;Jewell S. D.;Ji N.;Jones C. D.;Karz A.;Kaspera W.;Kim L.;Kothadia R. B.;Kumar-Sinha C.;Lei J.;Leprevost F. D.;Li K.;Liao Y.;Lilly J.;Liu H.;Lubinski J.;Madan R.;Maggio W.;Malc E.;Malovannaya A.;Mareedu S.;Markey S. P.;Marrero-Oliveras A.;Martinez N.;Maunganidze N.;McDermott J. E.;McGarvey P. B.;McGee J.;Mieczkowski P.;Migliozzi S.;Modugno F.;Montgomery R.;Newton C. J.;Omenn G. S.;Ozbek U.;Paklina O. V.;Paulovich A. G.;Perou A. M.;Pico A. R.;Piehowski P. D.;Placantonakis D. G.;Polonskaya L.;Potapova O.;Pruetz B.;Qi L.;Ramkissoon S.;Resnick A.;Richey S.;Riggins G.;Robinson K.;Roche N.;Rohrer D. C.;Rood B. R.;Rossell L.;Savage S. R.;Schadt E. E.;Shi Y.;Shi Z.;Shutack Y.;Singh S.;Skelly T.;Sokoll L. J.;Stawicki J.;Stein S. E.;Suh J.;Szopa W.;Tabor D.;Tan D.;Tansil D.;Thangudu R. R.;Tognon C.;Traer E.;Tsang S.;Tyner J.;Um K. S.;Valley D. R.;Vasaikar S.;Vatanian N.;Velvulou U.;Vernon M.;Wan W.;Wang J.;Webster A.;Wen B.;Whiteaker J. R.;Wilson G. D.;Zakhartsev Y.;Zelt R.;Zhang H.;Zhang L.;Zhang Z.;Zhao G.;Zhu J.
2021
Abstract
Glioblastoma (GBM) is the most aggressive nervous system cancer. Understanding its molecular pathogenesis is crucial to improving diagnosis and treatment. Integrated analysis of genomic, proteomic, post-translational modification and metabolomic data on 99 treatment-naive GBMs provides insights to GBM biology. We identify key phosphorylation events (e.g., phosphorylated PTPN11 and PLCG1) as potential switches mediating oncogenic pathway activation, as well as potential targets for EGFR-, TP53-, and RB1-altered tumors. Immune subtypes with distinct immune cell types are discovered using bulk omics methodologies, validated by snRNA-seq, and correlated with specific expression and histone acetylation patterns. Histone H2B acetylation in classical-like and immune-low GBM is driven largely by BRDs, CREBBP, and EP300. Integrated metabolomic and proteomic data identify specific lipid distributions across subtypes and distinct global metabolic changes in IDH-mutated tumors. This work highlights biological relationships that could contribute to stratification of GBM patients for more effective treatment. Wang et al. perform integrated proteogenomic analysis of adult glioblastoma (GBM), including metabolomics, lipidomics, and single nuclei RNA-Seq, revealing insights into the immune landscape of GBM, cell-specific nature of EMT signatures, histone acetylation in classical GBM, and the existence of signaling hubs which could provide therapeutic vulnerabilities.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11588/844575
Citazioni
ND
339
247
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.