Novel insights into the disease dynamics of B‐cell lymphomas in the Genomics Era
Notice bibliographique
Résumé
High-throughput sequencing has significantly contributed to revealing the molecular underpinnings of B-cell lymphomagenesis and disease progression. It is now a widely accepted concept that the diversity of clinical responses to front-line therapy and the development of relapsed/refractory disease are in part explained by 'inter-patient' genetic heterogeneity measurable by individual sets of somatic gene alterations in tumor genomes. Moreover, extensive 'intra-tumor' heterogeneity on the genotypic and phenotypic levels is the product of ongoing tumor evolution and adaptation to various selective pressures during cancer initiation, progression, and therapeutic intervention. As the management of disease progression remains one of the most significant clinical challenges, it is becoming increasingly important to delineate how B-cell lymphomas evolve over time and to develop progression-related biomarker assays. Toward this goal, recent investigations have moved from studying lymphoma biology at initial diagnosis to doing so at multiple time points during the disease course. Profiling progressed tumors, and in particular paired biopsies at initial diagnosis and disease progression of the same patients, has led to novel insights into clonal tumor evolution and tumor microenvironment dynamics. This review discusses the latest findings on genomic alterations and microenvironment biology associated with relapsed/refractory B-cell lymphomas, with a particular emphasis on alterations that are acquired or become more prevalent at disease progression. We also describe overarching tumor evolution patterns, and highlight emerging precision medicine methodologies that can aid in an improved understanding and management of relapsed/refractory disease. Copyright © 2018 Pathological Society of Great Britain and Ireland. Published by John Wiley & Sons, Ltd.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».