Assessment of a new genomic classification system in acute myeloid leukemia with a normal karyotype
Notice bibliographique
Résumé
// Jae-Sook Ahn 1 , Hyeoung-Joon Kim 1 , Yeo-Kyeoung Kim 1 , Seung-Shin Lee 1 , Seo-Yeon Ahn 1 , Sung-Hoon Jung 1 , Deok-Hwan Yang 1 , Je-Jung Lee 1 , Hee Jeong Park 2 , Ja-Yeon Lee 2 , Seung Hyun Choi 2 , Chul Won Jung 3 , Jun-Ho Jang 3 , Hee Je Kim 4 , Joon Ho Moon 5 , Sang Kyun Sohn 5 , Yoo Jin Lee 5 , Jong-Ho Won 6 , Sung-Hyun Kim 7 , Zhaolei Zhang 8, 9, 10 , TaeHyung Kim 8, 9 and Dennis Dong Hwan Kim 11 1 Hematology-Oncology, Chonnam National University Hwasun Hospital, Jeollanam-do, Korea 2 Genomic Research Center for Hematopoietic Diseases, Chonnam National University Hwasun Hospital, Jeollanam-do, Korea 3 Division of Hematology-Oncology, Samsung Medical Center, Seoul, Korea 4 Department of Hematology, The Catholic University of Korea, Seoul, Korea 5 Department of Hematology-Oncology, Kyungpook National University Hospital, Seoul, Korea 6 Department of Hematology-Oncology, Soon Chun Hyang University Hospital, Seoul, Korea 7 Department of Hematology-Oncology, Dong-A University College of Medicine, Busan, Korea 8 Department of Computer Science, University of Toronto, Toronto, ON, Canada 9 The Donnelly Centre for Cellular and Biomolecular Research, University of Toronto, Toronto, ON, Canada 10 Department of Molecular Genetics, University of Toronto, Toronto, ON, Canada 11 Department of Medical Oncology and Hematology, Princess Margaret Cancer Centre, University of Toronto, Toronto, ON, Canada Correspondence to: Hyeoung-Joon Kim, email: hjoonk@chonnam.ac.kr Keywords: genomic classification; AML; next generation sequencing; normal karyotype; prognosis Received: April 28, 2017 Accepted: December 04, 2017 Published: December 22, 2017 ABSTRACT This study was performed to assess if a recently recommended genomic classification is predictive in patients with normal-karyotype (NK) acute myeloid leukemia (AML). A total of 393 patients were included. Analysis of genetic mutations was performed using targeted resequencing with an Illumina Hiseq 2000. We identified driver mutations across 40 genes, with one or more driver mutations identified in 95.7% of patients. The molecular subclassification was as follows: 34.6% patients (n = 136) with AML with the NPM1 mutation, 10.7% (n = 42) with AML with mutated chromatin or RNA-splicing genes or both, 1.5% (n = 6) with AML with TP53 mutations, 13.5% (n = 53) with AML with biallelic CEBPA mutations, 2.0% (n = 8) with AML with IDH2-R1 72 mutations and no other class-defining lesion, 29.5% (n = 116) with AML with driver mutations but no detected class-defining lesion, 4.3% (n = 17) with AML with no detected driver mutation, and 3.8% (n = 15) patients with AML who met the criteria for ≥2 genomic subgroups. The 5-year overall survival and relapse rate of subgroup in AML with mutated chromatin, RNA-splicing genes, or both was 11.6% (95% CI = 1.4–21.8%) and 71.4% (95% CI = 45.7–86.5%), respectively. This study suggests that the recently recommended genomic classification is an appropriate and replicable categorization system in the NK AML population. The subgroup of AML with mutated chromatin, RNA-splicing genes, or both showed extremely poor survival in NK-AML; thus, a novel approach is needed to improve their prognosis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».