Distinct molecular profile of IRF4-rearranged large B-cell lymphoma
Notice bibliographique
Résumé
Pediatric large B-cell lymphomas (LBCLs) share morphological and phenotypic features with adult types but have better prognosis. The higher frequency of some subtypes such as LBCL with IRF4 rearrangement (LBCL-IRF4) in children suggests that some age-related biological differences may exist. To characterize the genetic and molecular heterogeneity of these tumors, we studied 31 diffuse LBCLs (DLBCLs), not otherwise specified (NOS); 20 LBCL-IRF4 cases; and 12 cases of high-grade B-cell lymphoma (HGBCL), NOS in patients ≤25 years using an integrated approach, including targeted gene sequencing, copy-number arrays, and gene expression profiling. Each subgroup displayed different molecular profiles. LBCL-IRF4 had frequent mutations in IRF4 and NF-κB pathway genes (CARD11, CD79B, and MYD88), losses of 17p13 and gains of chromosome 7, 11q12.3-q25, whereas DLBCL, NOS was predominantly of germinal center B-cell (GCB) subtype and carried gene mutations similar to the adult counterpart (eg, SOCS1 and KMT2D), gains of 2p16/REL, and losses of 19p13/CD70. A subset of HGBCL, NOS displayed recurrent alterations of Burkitt lymphoma-related genes such as MYC, ID3, and DDX3X and homozygous deletions of 9p21/CDKN2A, whereas other cases were genetically closer to GCB DLBCL. Factors related to unfavorable outcome were age >18 years; activated B-cell (ABC) DLBCL profile, HGBCL, NOS, high genetic complexity, 1q21-q44 gains, 2p16/REL gains/amplifications, 19p13/CD70 homozygous deletions, and TP53 and MYC mutations. In conclusion, these findings further unravel the molecular heterogeneity of pediatric and young adult LBCL, improve the classification of this group of tumors, and provide new parameters for risk stratification.
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) | 0,000 | 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 | 0,000 | 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 ».