An APOBEC/Inflammation-based classifier improves the stratification of multiple myeloma patients and identifies novel risk subgroups
Notice bibliographique
Résumé
Abstract Background: Recent insights into the pathogenesis of multiple myeloma (MM) have highlighted inflammation and genome editing, e.g. by APOBEC enzymes, as major drivers of disease onset and progression. We hypothesized that inclusion of molecular features corresponding to these two mechanisms can be utilized to define novel MM risk groups at initial diagnosis. Methods: Using two independent patient cohorts (MMRF and IFM/DFCI 2009), we developed and validated an easy-to-calculate novel risk-score that is based on mRNA expression levels of APOBEC2 and APOBEC3B, as well as inflammatory cytokines (IL11, TGFB1 and TGFB3) and serum levels of ß2-microglobulin and LDH. Results: Performance of the Editor- and Inflammation-based score (EI-score) was superior to current cytogenetics-based risk classifiers. Moreover, the EI-score was able to identify previously unrecognized MM patients who experience favourable outcomes despite carrying adverse risk cytogenetics. Conclusions: Through accurate risk stratification we can identify patients who are currently over-or undertreated. The EI-score is a contemporary and superior prognostic score, calculated based on transcript levels at diagnosis, allowing the identification of unrecognized MM risk subgroups potentially leading to adjustment of clinical treatment and improvement of patient outcomes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».