Pharmacogenetic considerations for acute lymphoblastic leukemia therapies
Notice bibliographique
Résumé
INTRODUCTION: Advances in our understanding of the pathobiology of childhood acute lymphoblastic leukemia (ALL) have led to risk-targeted treatment regimens and remarkable improvement in survival rates. Still, up to 20% of patients experience treatment failure due to drug resistance. Treatment-related toxicities are often life-threatening and are the primary cause of treatment interruption, while ALL survivors may develop complications due to exposure to chemotherapy and/or irradiation during a vulnerable period of development. Different factors may contribute to variable treatment outcomes including patient genetics that has been shown to play important role. AREAS COVERED: This review summarizes candidate gene and genome-wide association studies that identified common polymorphisms underlying variability in treatment responses including a few studies addressing late effects of the treatment. Genetic variants influencing antileukemic drug effects or leukemic cell biology have been identified, including for example variants in folate-dependent enzymes, influx and efflux transporters, metabolizing enzymes, drug receptor or apoptotic proteins. EXPERT OPINION: Many pharmacogenetic studies have been conducted in ALL and a variety of potential markers have been identified. Yet more comprehensive insight into genome variations influencing drug responses is needed. Whole exome/genome sequencing, careful study design, mechanistic explanation of association found and collaborative studies will ultimately lead to personalized treatment and improved therapeutic and health outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».