Characterization of Leukemic Resistance to CD19-Targeted CAR T-cell Therapy through Deep Genomic Sequencing
Notice bibliographique
Résumé
Chimeric antigen receptor (CAR) T-cell therapy targeting CD19 has been a clinical breakthrough for pediatric B-cell acute lymphoblastic leukemia (B-ALL), and loss of the CD19 target antigen on leukemic cells represents a major mechanism of relapse. Previous studies have observed CD19 mutations specific to CD19- relapses, and we sought to clarify and strengthen this relationship using deep whole-exome sequencing in leukemic cells expanded in a patient-derived xenograft. By assessing pre-treatment and relapse cells from 13 patients treated with CAR T-cell therapy, 8 of whom developed CD19- relapse and 5 of whom developed CD19+ relapse, we demonstrate that relapse-specific single-nucleotide variants and small indels with high allele frequency combined with deletions in the CD19 gene in a manner specific to those patients with CD19- relapse. Before CAR T-cell infusion, one patient was found to harbor a pre-existing CD19 deletion in the context of genomic instability, which likely represented the first hit leading to the patient's subsequent CD19- relapse. Across patients, preexisting mutations and genomic instability were not significant predictors of subsequent CD19- relapse across patients, with sample size as a potential limiting factor. Together, our results clarify and strengthen the relationship between genomic events and CD19- relapse, demonstrating this intriguing mechanism of resistance to a targeted cancer immunotherapy.
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 | 0,000 | 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) | 0,001 | 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 ».