MétaCan
Menu
← Retour à la cohorte
Enregistrement W2993344323 · doi:10.1182/blood.v110.11.2631.2631

Distinct Genetic Aberrations in Molecular Subtypes of Diffuse Large B Cell Lymphoma Detected by Array CGH.

2007· article· en· W2993344323 sur OpenAlexaff
Georg Lenz, George W. Wright, Sandeep S. Davé, Wenming Xiao, John Powell, Andreas Rosenwald, Hans–Konrad Müller–Hermelink, Randy D. Gascoyne, Joseph M. Connors, Elı́as Campo, Elaine S. Jaffe, Jan Delabie, Erlend B. Smeland, Lisa M. Rimsza, Richard I. Fisher, Wing C. Chan, Louis M. Staudt

Notice bibliographique

RevueBlood · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésComparative genomic hybridizationDiffuse large B-cell lymphomaBiologyLymphomaGerminal centerGene expression profilingCancer researchLocus (genetics)Copy-number variationB cellGeneticsGeneMolecular biologyGene expressionGenomeImmunologyAntibody

Résumé

récupéré en direct d'OpenAlex

Abstract Diffuse large B-cell lymphoma (DLBCL) is a heterogeneous diagnostic category with at least three different molecular subtypes distinguishable by gene expression profiling, termed germinal center B cell-like (GCB) DLBCL, activated B cell-like (ABC) DLBCL, and primary mediastinal B cell lymphoma (PMBL). We performed array comparative genomic hybridization (aCGH) in patient samples and cell lines representing different DLBCL subtypes to determine if they utilize distinct pathogenetic mechanisms. Using an array consisting of 386, 165 oligonucleotides (NimbleGen), we performed aCGH on 203 untreated de novo DLBCL samples and 30 DLBCL cell lines, and the same samples were profiled for gene expression using Affymetrix U133 plus arrays. Patient samples included 72 GCB DLBCLs, 74 ABC DLBCLs, 31 PMBLs, and 26 unclassified DLBCLs. Following segmentation of the aCGH data into intervals with a uniform copy number, segments were combined into minimal common regions (MCRs) that were recurrently altered in more than one sample. Statistical differences in MCR frequency between DLBCL subtypes were corrected for multiple hypothesis testing using a false discovery rate (FDR) calculation. The DLBCL subtypes differed in the frequency of MCRs residing at many chromosomal loci, and we used gene expression data to define potential target genes in these MCRs. The INK4a/ARF tumor suppressor locus on 9p21 was selectively lost in ABC DLBCL: homozygous deletions of INK4a/ARF was observed in 20% of ABC DLBCLs but in only 3% of GCB DLBCLs and never in PMBLs (FDR=4.5 E-3). Among ABC DLBCLs, loss of INK4a/ARF was associated with increased proliferation rate, as measured by a proliferation gene expression signature, and adverse survival (p=0.007, log rank test). 16% of ABC DLBCL cases had gain/amplification and overexpression of SPIB, a gene on 19q13 encoding an ETS family transcription factor that is characteristically expressed in ABC DLBCL. This copy number alteration was observed much less frequently in GCB DLBCL (3%) and never in PMBL (FDR=2.6 E-2). GCB DLBCLs had recurrent amplification and overexpression of C13orf25, which encodes the mir-17-92 polycistronic cluster of microRNAs that is transcriptionally activated by c-myc and cooperates with c-myc to accelerate tumor development. C13orf25 amplification was detected in 16% of GCB DLBCLs but in only 3% of PMBLs and never in ABC DLBCL (FDR=3.8 E-3). Recurrent amplification and overexpression of JAK2 on 9p24 was observed in 35% of PMBL cases, but only in 5% of GCB DLBCLs and 4% of ABC DLBCLs respectively (FDR=6.2 E-4). In summary, aCGH revealed copy number abnormalities in DLBCL that had strikingly different frequencies in the three DLBCL subtypes, supporting the hypothesis that these subtypes represent distinct diseases that utilize different oncogenic mechanisms. Our analysis specifically implicated the INK4a/ARF locus as a tumor suppressor and SPIB as an oncogene in ABC DLBCL, the mir-17-92 microRNA cluster as an oncogene in GCB DLBCL, and JAK2 as an oncogene in PMBL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetLymphoma Diagnosis and Treatment→Travaux en français237 207→