Activating mutations in genes related to TCR signaling in angioimmunoblastic and other follicular helper T-cell–derived lymphomas
Notice bibliographique
Résumé
Angioimmunoblastic T-cell lymphoma (AITL) and other lymphomas derived from follicular T-helper cells (TFH) represent a large proportion of peripheral T-cell lymphomas (PTCLs) with poorly understood pathogenesis and unfavorable treatment results. We investigated a series of 85 patients with AITL (n = 72) or other TFH-derived PTCL (n = 13) by targeted deep sequencing of a gene panel enriched in T-cell receptor (TCR) signaling elements. RHOA mutations were identified in 51 of 85 cases (60%) consisting of the highly recurrent dominant negative G17V variant in most cases and a novel K18N in 3 cases, the latter showing activating properties in in vitro assays. Moreover, half of the patients carried virtually mutually exclusive mutations in other TCR-related genes, most frequently in PLCG1 (14.1%), CD28 (9.4%, exclusively in AITL), PI3K elements (7%), CTNNB1 (6%), and GTF2I (6%). Using in vitro assays in transfected cells, we demonstrated that 9 of 10 PLCG1 and 3 of 3 CARD11 variants induced MALT1 protease activity and increased transcription from NFAT or NF-κB response element reporters, respectively. Collectively, the vast majority of variants in TCR-related genes could be classified as gain-of-function. Accordingly, the samples with mutations in TCR-related genes other than RHOA had transcriptomic profiles enriched in signatures reflecting higher T-cell activation. Although no correlation with presenting clinical features nor significant impact on survival was observed, the presence of TCR-related mutations correlated with early disease progression. Thus, targeting of TCR-related events may hold promise for the treatment of TFH-derived lymphomas.
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 ».