The Use of Transcriptional Profiling to Improve Personalized Diagnosis and Management of Cutaneous T-cell Lymphoma (CTCL)
Notice bibliographique
Résumé
PURPOSE: Although many patients with mycosis fungoides presenting with stage I disease enjoy an indolent disease course and normal life expectancy, about 15% to 20% of them progress to higher stages and most ultimately succumb to their disease. Currently, it is not possible to predict which patients will progress and which patients will have a stable disease. Previously, we conducted microarray analyses with RT-PCR validation of gene expression in biopsy specimens from 60 patients with stage I-IV cutaneous T-cell lymphoma (CTCL), identified three distinct clusters based upon transcription profile, and correlated our molecular findings with 6 years of clinical follow-up. EXPERIMENTAL DESIGN: We test by RT-PCR within our prediction model the expression of about 240 genes that were previously reported to play an important role in CTCL carcinogenesis. We further extend the clinical follow-up of our patients to 11 years. We compare the expression of selected genes between mycosis fungoides/Sézary syndrome and benign inflammatory dermatoses that often mimic this cancer. RESULTS: Our findings demonstrate that 52 of the about 240 genes can be classified into cluster 1-3 expression patterns and such expression is consistent with their suggested biologic roles. Moreover, we determined that 17 genes (CCL18, CCL26, FYB, T3JAM, MMP12, LEF1, LCK, ITK, GNLY, IL2RA, IL26, IL22, CCR4, GTSF1, SYCP1, STAT5A, and TOX) are able to both identify patients who are at risk of progression and also distinguish mycosis fungoides/Sézary syndrome from benign mimickers. CONCLUSIONS: This study, combined with other gene expression analyses, prepares the foundation for the development of personalized molecular approach toward diagnosis and treatment of CTCL.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».