Genetic Landscapes of Relapsed and Refractory Diffuse Large B-Cell Lymphomas
Notice bibliographique
Résumé
PURPOSE: Relapsed or refractory diffuse large B-cell lymphoma (rrDLBCL) is fatal in 90% of patients, and yet little is known about its biology. EXPERIMENTAL DESIGN: Using exome sequencing, we characterized the mutation profiles of 38 rrDLBCL biopsies obtained at the time of progression after immunochemotherapy. To identify genes that may be associated with relapse, we compared the mutation frequency in samples obtained at relapse to an unrelated cohort of 138 diagnostic DLBCLs and separately amplified specific mutations in their matched diagnostic samples to identify clonal expansions. RESULTS: On the basis of a higher frequency at relapse and evidence for clonal selection, TP53, FOXO1, MLL3 (KMT2C), CCND3, NFKBIZ, and STAT6 emerged as top candidate genes implicated in therapeutic resistance. We observed individual examples of clonal expansions affecting genes whose mutations had not been previously associated with DLBCL including two regulators of NF-κB: NFKBIE and NFKBIZ We detected mutations that may be affect sensitivity to novel therapeutics, such as MYD88 and CD79B mutations, in 31% and 23% of patients with activated B-cell-type of rrDLBCL, respectively. We also identified recurrent STAT6 mutations affecting D419 in 36% of patients with the germinal center B (GCB) cell rrDLBCL. These were associated with activated JAK/STAT signaling, increased phospho-STAT6 protein expression and increased expression of STAT6 target genes. CONCLUSIONS: This work improves our understanding of therapeutic resistance in rrDLBCL and has identified novel therapeutic opportunities especially for the high-risk patients with GCB-type rrDLBCL. Clin Cancer Res; 22(9); 2290-300. ©2015 AACR.
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 | 0,001 | 0,001 |
| 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 ».