Drug resistance in multiple myeloma: latest findings and new concepts on molecular mechanisms
Notice bibliographique
Résumé
// Jahangir Abdi 1,2 , Guoan Chen 3 , Hong Chang 1,2,4 1 Division of Immunopharmacology, Utrecht Institute for Pharmaceutical Sciences, Utrecht University, Utrecht, The Netherlands 2 Dept. of Laboratory Hematology, University Health Network, Toronto, Ontario, Canada 3 Dept. of Hematology & Oncology, The First Affiliated Hospital of Nanchang University, Nanchang, China 4 Division of Molecular and Cellular Biology, Toronto General Research Institute; Toronto, Ontario, Canada Correspondence: Hong Chang, email: // Keywords : multiple myeloma, drug resistance, signaling pathways, oncogenes Received : October 13, 2013 Accepted : November 22, 2013 Published : November 24, 2013 Abstract In the era of new and mostly effective therapeutic protocols, multiple myeloma still tends to be a hard-to-treat hematologic cancer. This hallmark of the disease is in fact a sequel to drug resistant phenotypes persisting initially or emerging in the course of treatment. Furthermore, the heterogeneous nature of multiple myeloma makes treating patients with the same drug challenging because finding a drugable oncogenic process common to all patients is not yet feasible, while our current knowledge of genetic/epigenetic basis of multiple myeloma pathogenesis is outstanding. Nonetheless, bone marrow microenvironment components are well known as playing critical roles in myeloma tumor cell survival and environment-mediated drug resistance happening most possibly in all myeloma patients. Generally speaking, however; real mechanisms underlying drug resistance in multiple myeloma are not completely understood. The present review will discuss the latest findings and concepts in this regard. It reviews the association of important chromosomal translocations, oncogenes (e.g. TP53) mutations and deranged signaling pathways (e.g. NFκB) with drug response in clinical and experimental investigations. It will also highlight how bone marrow microenvironment signals (Wnt, Notch) and myeloma cancer stem cells could contribute to drug resistance in multiple myeloma.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».