The classical Hodgkin lymphoma tumor microenvironment: macrophages and gene expression-based modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite the high cure rate in classical Hodgkin lymphoma (CHL), more accurate tailoring of upfront treatment is required to maximize cure while avoiding unnecessary short- and long-term treatment side effects. To this end, the unique tumor microenvironment of CHL has been searched extensively for prognostic biomarkers. Beyond targeted immunohistochemistry (IHC) studies, gene expression profiling (GEP) of diagnostic whole tissue biopsies has allowed a de novo approach to biomarker discovery. Among numerous candidate biomarkers, an association between the number of tumor-associated macrophages in the microenvironment and outcomes after ABVD (doxorubicin + bleomycin + vinblastine + dacarbazine) chemotherapy emerged, and multiple subsequent studies have validated this biological relationship using IHC. These studies have also defined key aspects for macrophage interrogation, including the characteristics of the CD68 and CD163 antibodies, appropriate scoring methodologies, and the identification of specific patient populations in which macrophage IHC may not be prognostic. The GEP studies also led to the development of gene expression-based prognostic models for advanced-stage CHL, with new technologies allowing reliable gene expression quantitation using RNA from routinely produced formalin-fixed paraffin-embedded biopsies. The bridge to predictive biomarkers that can be used reliably to inform upfront treatment selection requires further studies to demonstrate that these biomarkers can identify robustly, at diagnosis, patients at high risk of treatment failure with ABVD and that this risk may be overcome using alternative treatments.
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.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle