Genomic determinants of long-term cardiometabolic complications in childhood acute lymphoblastic leukemia survivors
Notice bibliographique
Résumé
BACKGROUND: While cure rates for childhood acute lymphoblastic leukemia (cALL) now exceed 80%, over 60% of survivors will face treatment-related long-term sequelae, including cardiometabolic complications such as obesity, insulin resistance, dyslipidemia and hypertension. Although genetic susceptibility contributes to the development of these problems, there are very few studies that have so far addressed this issue in a cALL survivorship context. METHODS: In this study, we aimed at evaluating the associations between common and rare genetic variants and long-term cardiometabolic complications in survivors of cALL. We examined the cardiometabolic profile and performed whole-exome sequencing in 209 cALL survivors from the PETALE cohort. Variants associated with cardiometabolic outcomes were identified using PLINK (common) or SKAT (common and rare) and a logistic regression was used to evaluate their impact in multivariate models. RESULTS: Our results showed that rare and common variants in the BAD and FCRL3 genes were associated (p<0.05) with an extreme cardiometabolic phenotype (3 or more cardiometabolic risk factors). Common variants in OGFOD3 and APOB as well as rare and common BAD variants were significantly (p<0.05) associated with dyslipidemia. Common BAD and SERPINA6 variants were associated (p<0.05) with obesity and insulin resistance, respectively. CONCLUSIONS: In summary, we identified genetic susceptibility loci as contributing factors to the development of late treatment-related cardiometabolic complications in cALL survivors. These biomarkers could be used as early detection strategies to identify susceptible individuals and implement appropriate measures and follow-up to prevent the development of risk factors in this high-risk population.
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) | 0,001 | 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 | 0,001 | 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 ».