Global microRNA expression profiling uncovers molecular markers for classification and prognosis in aggressive B-cell lymphoma
Notice bibliographique
Résumé
We studied the global microRNA (miRNA) expression in diffuse large B-cell lymphoma (DLBCL; n = 79), Burkitt lymphoma (BL; n = 36), primary mediastinal B-cell lymphoma (PMBL; n = 12), B-cell lines (n = 11), and normal subsets of naïve B cells, centroblasts (CBs), and peripheral blood B cells along with their corresponding gene expression profiles (GEPs). The normal B-cell subsets have well-defined miRNA signatures. The CB miRNA signature was significantly associated with germinal center B-cell (GCB)-DLBCL compared with activated B-cell (ABC)-DLBCL (P = .002). We identified a 27-miRNA signature that included v-myc avian myelomatosis viral oncogene homolog (MYC) targets and enabled the differentiation of BL from DLBCL, a distinction comparable with the "gold standard" GEP-defined diagnosis. Distinct miRNA signatures were identified for DLBCL subgroups, including GCB-DLBCL, activated B-cell (ABC)-DLBCL, and PMBL. Interestingly, most of the unclassifiable-DLBCL by GEP showed a strong similarity to the ABC-DLBCL by miRNA expression profiling. Consistent results for BL and DLBCL subgroup classification were observed in formalin-fixed, paraffin-embedded tissue, making such tests practical for clinical use. We also identified predictive miRNA biomarker signatures in DLBCL, including high expression of miR-155, which is significantly associated with rituximab plus cyclophosphamide, doxorubicin, vincristine, and prednisone (R-CHOP) treatment failure. This finding was further supported by the observation that high expression of miR-155 sensitizes cells to v-akt murine thymoma viral oncogene homolog-1 inhibitors in vitro, suggesting a novel treatment option for resistant DLBCL.
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) | 0,000 | 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 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 ».