MAPK and JAK-STAT pathways dysregulation in plasmablastic lymphoma
Notice bibliographique
Résumé
Plasmablastic lymphoma (PBL) is an aggressive B-cell lymphoma with an immunoblastic/large-cell morphology and terminal B-cell differentiation. The differential diagnosis from Burkitt lymphoma, plasma cell myeloma and some variants of diffuse large B-cell lymphoma may be challenging because of the overlapping morphological, genetic and immunophenotypic features. Furthermore, the genomic landscape in PBL is not well known. To characterize the genetic and molecular heterogeneity of these tumors, we investigated 34 cases of PBL using an integrated approach, including fluorescence in situ hybridization, targeted sequencing of 94 B-cell lymphoma-related genes, and copy-number arrays. PBL were characterized by high genetic complexity including MYC translocations (87%), gains of 1q21.1-q44, trisomy 7, 8q23.2- q24.21, 11p13-p11.2, 11q14.2-q25, 12p and 19p13.3-p13.13, losses of 1p33, 1p31.1-p22.3, 13q and 17p13.3-p11.2, and recurrent mutations of STAT3 (37%), NRAS and TP53 (33%), MYC and EP300 (19%) and CARD11, SOCS1 and TET2 (11%). Pathway enrichment analysis suggested a cooperative action between MYC alterations and MAPK (49%) and JAK-STAT (40%) signaling pathways. Of note, Epstein-Barr virus (EBV)-negative PBL cases had higher mutational and copy-number load and more frequent TP53, CARD11 and MYC mutations, whereas EBV-positive PBL tended to have more mutations affecting the JAK-STAT pathway. In conclusion, these findings further unravel the distinctive molecular heterogeneity of PBL identifying novel molecular targets and the different genetic profile of these tumors in relation to EBV infection.
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 ».