MétaCan
Menu
Retour à la cohorte
Enregistrement W2964771088 · doi:10.1101/702001

Immune landscapes predict chemotherapy resistance and immunotherapy response in acute myeloid leukemia

2019· preprint· en· W2964771088 sur OpenAlexaff
Jayakumar Vadakekolathu, Mark D. Minden, Tressa Hood, S. Church, Stephen Reeder, Heidi Altmann, Amy Sullivan, Elena Viboch, Tasleema Patel, Narmin Ibrahimova, Sarah Warren, Andrea Arruda, Yan Liang, John Muth, Marc Schmitz, Alessandra Cesano, A. Graham Pockley, Peter J.M. Valk, Bob Löwenberg, Martin Bornhäuser, Sarah K. Tasian, Michael P. Rettig, Jan Davidson‐Moncada, John F. DiPersio, Sergio Rutella

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesQatar National Research FundJohn and Lucille Van Geest FoundationFonds National de la Recherche Luxembourg
Mots-clésImmunotherapyMyeloid leukemiaImmune systemImmunologyMyeloidChemotherapyDiseaseLeukemiaBone marrowMedicineBiologyCancer researchInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract This study dissected the complexity of the immune architecture of acute myeloid leukemia (AML) at high resolution and assessed its influence on therapeutic response. Using 387 primary bone marrow samples from three discovery cohorts of children and adults with AML, we defined immune-infiltrated and immune-depleted disease subtypes and unraveled critical differences in immune gene expression across age groups and disease stages. Importantly, interferon (IFN)-γ-related mRNA profiles were predictive for both chemotherapy resistance and response of primary refractory/relapsed AML to flotetuzumab immunotherapy. Our compendium of microenvironmental gene and protein profiles sheds novel insights into the immuno-biology of AML and will inform the delivery of personalized immunotherapies to IFN-γ-dominant AML subtypes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAcute Myeloid Leukemia ResearchTravaux en français237 207