MétaCan
Menu
← Retour à la cohorte
Enregistrement W2558706989 · doi:10.1182/blood.v110.11.2606.2606

Gene Expression Model of Survival and Transformation in Follicular Lymphoma (FL): A Study by the LLMPP.

2007· article· en· W2558706989 sur OpenAlexaff
Nathalie A. Johnson, Tarun Nayar, Sandeep S. Davé, George W. Wright, Andreas Rosenwald, Wing C. Chan, M. Bast, Lisa M. Rimsza, Harald Holte, Jan Delabie, Joseph M. Connors, Abdulwahab J. Al-Tourah, Luís Colomo, Elı́as Campo, T. Andrew Lister, Derville O’Shea, Louis M. Staudt, Randy D. Gascoyne

Notice bibliographique

RevueBlood · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésBioconductorFollicular lymphomaProportional hazards modelSurvival analysisMedicineOncologyInternal medicineBiopsyGene expression profilingLymphomaGene expressionGeneBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Background: FL is a common NHL that has a broad spectrum of clinical outcomes. Over time some pts will transform to an aggressive histology (Tly) associated with inferior survival. In 2004, the LLMPP constructed a model that was predictive of overall survival (OS) based on the gene expression profiles (GEP) of 191 specimens taken from pts with untreated FL. The genes associated with survival were derived from the non-neoplastic immune response (IR) cells. However the risk of developing Tly was not addressed in this study. Thus we re-analyzed the GEP with updated clinical data. Our goal was to validate our previous model with extended follow-up and to create a model that would predict the risk of developing TLy. Methods: 170 of 191 previously untreated FL pts had updated clinical information but only 142 had transformation outcome. Transformation was defined as biopsy proven DLBCL or clinically based on the presence of at least one of the following: hypercalcemia, a sudden rise in LDH >twice baseline, unusual extranodal growth or rapid discordant nodal growth. Raw CEL files from Affymetrix U133A arrays were pre-processed and normalized using Bioconductor’s GCRMA package. Models were developed using SignS package (http://signs/bioinfo.cnio.es/), with 10 times cross-validation. All gene lists produced in these analyses were then re-tested for association with outcome using Bioconductor’s Globaltest package. Over Representation Analysis of signature components was performed using Dchip. Results: The median OS of these patients was 8 yrs. A new 7-component survival model (85 genes) was developed that was significantly associated with survival (p= 2.9×10−13). In Globaltest, these gene lists were associated with survival at a level of (p=2.6×10−5). The previous model using IR-1 and IR-2 signatures was associated with survival at a level of p=2.6×10−4. Although there is little overlap between the 2 models, the new model confirms the importance of IR genes and extracellular matrix genes as being prognostically important. Interestingly, one component containing 10 genes on chromosome 6q was associated with a superior survival (p<1×107). 27% developed Tly over a median follow-up time of 11.2 yrs (69% biopsy proven). Our transformation model included 53 genes divided into 3 components (p=0.001). The Globaltest analysis for association of these genes with transformation was significant (p=0.018). 54 genes overlapped between the survival genes and transformation genes that were present in >1 cross validation run. These were significantly enriched in genes important in immune response like T cell and macrophage activation. Conclusion: Our survival model is stable and confirms the importance of key genes involved in the immune response and lymph node remodeling. It also introduces new genes that are potentially important for survival. Our transformation model may shed light on the mechanisms involved in the progression of FL to DLBCL but it is less stable and less reliable than our survival model at predicting outcome.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,240 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetLymphoma Diagnosis and Treatment→Travaux en français237 207→