HLA Class I and II Diversity Contributes to the Etiologic Heterogeneity of Non-Hodgkin Lymphoma Subtypes
Notice bibliographique
Résumé
Abstract A growing number of loci within the human leukocyte antigen (HLA) region have been implicated in non-Hodgkin lymphoma (NHL) etiology. Here, we test a complementary hypothesis of “heterozygote advantage” regarding the role of HLA and NHL, whereby HLA diversity is beneficial and homozygous HLA loci are associated with increased disease risk. HLA alleles at class I and II loci were imputed from genome-wide association studies (GWAS) using SNP2HLA for 3,617 diffuse large B-cell lymphomas (DLBCL), 2,686 follicular lymphomas (FL), 2,878 chronic lymphocytic leukemia/small lymphocytic lymphomas (CLL/SLL), 741 marginal zone lymphomas (MZL), and 8,753 controls of European descent. Both DLBCL and MZL risk were elevated with homozygosity at class I HLA-B and -C loci (OR DLBCL = 1.31, 95% CI = 1.06–1.60; OR MZL = 1.45, 95% CI = 1.12–1.89) and class II HLA-DRB1 locus (OR DLBCL = 2.10, 95% CI = 1.24–3.55; OR MZL = 2.10, 95% CI = 0.99–4.45). Increased FL risk was observed with the overall increase in number of homozygous HLA class II loci (P trend < 0.0001, FDR = 0.0005). These results support a role for HLA zygosity in NHL etiology and suggests that distinct immune pathways may underly the etiology of the different NHL subtypes. Significance: HLA gene diversity reduces risk for non-Hodgkin lymphoma. Cancer Res; 78(14); 4086–96. ©2018 AACR.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 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 ».