Clinical Relevance of a Pharmacogenetic Approach Using Multiple Candidate Genes to Predict Response and Resistance to Imatinib Therapy in Chronic Myeloid Leukemia
Notice bibliographique
Résumé
PURPOSE: Imatinib resistance is major cause of imatinib mesylate (IM) treatment failure in chronic myeloid leukemia (CML) patients. Several cellular and genetic mechanisms of imatinib resistance have been proposed, including amplification and overexpression of the BCR/ABL gene, the tyrosine kinase domain point mutations, and MDR1 gene overexpression. EXPERIMENTAL DESIGN: We investigated the impact of 16 single nucleotide polymorphisms (SNP) in five genes potentially associated with pharmacogenetics of IM, namely ABCB1, multidrug resistance 1; ABCG2, breast-cancer resistance protein; CYP3A5, cytochrome P450-3A5; SLC22A1, human organic cation transporter 1; and AGP, alpha1-acid glycoprotein. The DNAs from peripheral blood samples in 229 patients were genotyped. RESULTS: The GG genotype in ABCG2 (rs2231137), AA genotype in CYP3A5 (rs776746), and advanced stage were significantly associated with poor response to IM especially for major or complete cytogenetic response, whereas the GG genotype at SLC22A1 (rs683369) and advanced stage correlated with high rate of loss of response or treatment failure to IM therapy. CONCLUSIONS: We showed that the treatment outcomes of imatinib therapy could be predicted using a novel, multiple candidate gene approach based on the pharmacogenetics of IM.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 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 ».