Pharmacogenetics of Childhood Acute Lymphoblastic Leukemia
Notice bibliographique
Résumé
Patients vary widely in their responses to drug therapy, often manifested as adverse drug reactions, drug resistance or drug-associated toxicity. Functional polymorphisms in genes encoding enzymes, which are involved in drug action, may underlie these differences thus offering a powerful tool in predicting a treatment outcome. Several studies have addressed the potential for tailoring individual acute lymphoblastic leukemia (ALL) therapy based on patients genetics. Several candidate genes have been shown to have a predictive role, among which the best examples are the well-characterized polymorphisms in the thiopurine methyltransferase (TPMT) gene. The impact of TPMT genotypes on 6-MP tolerance, affecting the duration of treatment and the appearance of severe hematotoxicity or secondary malignancies has been well documented. Recent studies suggest that polymorphisms in enzymes of the folate cycle may modify the therapeutic effectiveness and toxicity of antifolates. Polymorphism in the enhancer element located in 5-UTR of thymidylate synthase gene influenced the outcome of ALL, whereas variants of methylene tetrahydrofolate reductase gene correlated with methotrexate sensitivity. Efforts have been also made to gain a closer insight into the role of polymorphisms in genes that might affect both disease susceptibility and drug metabolism, and some of them (e.g. glutathione S-transferase or quinone oxidoreductase) seem to affect the risk of recurrent disease in children with ALL. Extending the pharmacogenetics concept to other candidate genes / enzymes and to other drugs might, through comprehensive genetic evaluation, help clinical management of ALL patients. Keywords: pharmacogenetics, childhood acute lymphoblastic leukemia, acute lymphoblastic, thiopurine methyltransferase, thymidylate synthase gene, quinone oxidoreductase
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».