Thiopurine S-methyltransferase polymorphisms in acute lymphoblastic leukemia, inflammatory bowel disease and autoimmune disorders: influence on treatment response
Notice bibliographique
Résumé
Abstract: The thiopurine S-methyltransferase ( TPMT ) gene encodes for the TPMT enzyme that plays a crucial role in the metabolism of thiopurine drugs. Genetic polymorphisms in this gene can affect the activity of the TPMT enzyme and have been correlated with variability in response to treatment with thiopurines. Advances in the pharmacogenetics of TPMT allowed the development of dosing recommendations and treatment strategies to optimize and individualize prescribing thiopurine in an attempt to enhance treatment efficacy while minimizing toxicity. The influence of genetic polymorphisms in the TPMT gene on clinical outcome has been well-documented and replicated in many studies. In this review, we provide an overview of the evolution, results, conclusions and recommendations of selected studies that investigated the influence of TPMT pharmacogenetics on thiopurine treatment in acute lymphoblastic leukemia, inflammatory bowel disease and autoimmune disorders. We focus mainly on prospective studies that explored the impact of individualized TPMT-based dosing of thiopurines on clinical response. Together, these studies demonstrate the importance of preemptive TPMT genetic screening and subsequent dose adjustment in mitigating the toxicity associated with thiopurine treatment while maintaining treatment efficacy and favorable long-term outcomes. In addition, we briefly address the cost-effectiveness of this pharmacogenetics approach and its impact on clinical practice as well as the importance of recent breakthrough advances in sequencing and genotyping techniques in refining the TPMT genetic screening process. Keywords: TPMT, pharmacogenetics, thiopurine, 6-mercaptopurine, azathioprine, ADRs
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».