MétaCan
Menu
Retour à la cohorte
Enregistrement W2532994364 · doi:10.1182/blood.v110.11.737.737

Clinical Relevance of a Pharmacogenetic Approach Using Multiple Candidate Gene Polymorphisms To Predict Response and Resistance to Imatinib Mesylate Therapy in Chronic Myeloid Leukemia.

2007· article· en· W2532994364 sur OpenAlexaff
Dong Hwan Kim, Lakshmi Sriharsha, Wei Xu, Suzanne Kamel‐Reid, Xiangdong Liu, Katherine Siminovitch, Hans A. Messner, Jeffrey H. Lipton

Notice bibliographique

RevueBlood · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Myeloid Leukemia Treatments
Établissements canadiensUniversity of TorontoUniversity Health NetworkPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésImatinib mesylateSingle-nucleotide polymorphismMyeloid leukemiaPharmacogeneticsOncologyMedicinePopulationInternal medicineImatinibBiologyGenotypeImmunologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Imatinib resistance (IR) is a well known cause of treatment failure in chronic myeloid leukemia (CML) patients being treated with imatinib mesylate (IM). Several cellular and genetic mechanisms of IR have been proposed including amplification and overexpression of the BCR-ABL gene, the presence of specific point mutations and MDR1 gene overexpression. Methods: We investigated the impact of 16 single nucleotide polymorphisms (SNPs) in 5 genes potentially associated with pharmacogenetics of IM (ABCB1, multidrug resistance 1; ABCG2, breast-cancer resistance protein; CYP3A5, cytochrome P450 3A5; HOCT1, human organic cation transporter 1; AGP1, alpha-1-acid glycoprotein-1, plasma protein binding to IM). The major endpoints included: response to IM: cytogenetic (CyR) or molecular response (MoR); resistance to IM: loss of response (LOR), treatment-failure (including primary resistance or LOR); progression to accelerated phase (AP) or blast crisis (BC), or death; and need for IM dose escalation to overcome resistance or LOR. The DNAs from peripheral blood samples were genotyped using the Sequenom MassARRAY system based on MALDI-TOF technique. The study population included 229 patients whose clinical outcomes following IM therapy were evaluated from January 2000 to January 2007 (male:female 96:133; median age at start of IM, 53 years-old; white:non-white 170:59; chronic phase:AP:BC, 199:23:3). Results: The frequencies of genotypes in 16 SNPs are summarized in Table 1. The GG allele in ABCG2 (rs2231137), AA allele in CYP3A5 (rs776746) and advanced stage were significantly associated with poor response to IM, while GG allele at HOCT1 (rs683369) and advanced stage correlated with high rate of LOR or treatment failure. The CC allele in ABCG2 (rs2231142) was also identified as an independent predictor of more frequent need for IM dose escalation. The results of multivariate analyses are summarized in Table 2. Conclusion: Using a novel, multiple candidate gene approach based on the pharmacogenetics of Imatinib mesylate, we identified several SNP candidates in patients with CML that are potential predictors of clinical response to IM (rs2231137, ABCG2 or rs776746, CYP3A5), resistance to IM (rs683369, HOCT1) and need for IM dose escalation (rs2231142, ABCG2). Further studies are warranted to validate the role of these SNPs in the early identification of individuals with CML who may not respond optimally to standard IM therapy. Table 1. The genotype frequency and clinical significance in 16 SNPs Table 2. Multivariate regression model based on Cox's proportional hazard model for each-point

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,328
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBloodMême sujetChronic Myeloid Leukemia TreatmentsTravaux en français237 207