Genome-wide copy number analysis of Hodgkin Reed-Sternberg cells identifies recurrent imbalances with correlations to treatment outcome
Notice bibliographique
Résumé
In classical Hodgkin lymphoma (cHL) the mechanisms underlying primary refractory disease and relapse remain unknown. To gain further insight into cHL pathogenesis and genomic changes linked to treatment response, we studied 53 cHL patients by array comparative genomic hybridization, including 23 patients whose primary treatment failed, using DNA from microdissected HRS cells. Copy number alterations found in more than 20% of cases included gains of 2p, 9p, 16p, 17q, 19q, 20q, and losses of 6q, 11q, and 13q. We identified at high resolution recurrent changes defining minimally gained and lost regions harboring genes involved in nuclear factor kappaB signaling, such as REL, IKBKB, CD40, and MAP3K14. Gains of chromosome 16p11.2-13.3 were significantly more frequent in pretreatment and relapse biopsies of unresponsive patients and were associated with shortened disease-specific survival (P = .028). In the therapy-resistant HL cell line KMH2, we found genomic gains and overexpression of the multidrug resistance gene ABCC1 mapping to cytoband 16p13.11. We show that doxorubicin exposure to KMH2 induces ABCC1 expression and that siRNA silencing of ABCC1 sensitizes KMH2 cells to doxorubicin toxicity in vitro, suggesting that overexpression of ABCC1 contributes to the drug resistance phenotype found in KMH2.
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) | 0,000 | 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 ».