Pre-existing biochemical entities predict severity of cytokine release syndrome in B-cell lymphoma patients treated with CD19-directed CAR T-cells
Notice bibliographique
Résumé
Abstract Potentially severe immune-related adverse events (irAEs) develop in relapsed/refractory large B cell lymphoma (R/R LBCL) patients during treatment with anti-CD19 CAR T-cell therapy. Therefore, prediction and better management of toxicities is critically required to improve patient outcomes. Cytokine release syndrome (CRS), one of the most notable acute irAEs, is the result of an inflammatory response of activated CAR T-cells and myeloid cells. Interestingly, high levels of glucose and low levels of certain amino acids are associated with pro-inflammatory immune activation in infectious and autoimmune diseases, but such associations have not been investigated in CAR T-cell therapy. Therefore, we employed mass spectrometry-based untargeted and targeted metabolomics analysis to identify pre-treatment host biological metabolites that predict rapid onset and severe CRS in 41 R/R LBCL patients treated with Axicabtagene Ciloleucel or Tisagenlecleucel. Analysis of plasma metabolites revealed significant associations of CRS with several metabolic classes, including carbohydrates, lipid, amino acids, dipeptides and nucleotides. Interestingly, high levels of the carbohydrates, glucose, mannose and 1,5-anhydroglucitol were observed in patients who experienced more rapid onset of CRS. In contrast, patients with greater severity of CRS had lower plasma abundance of the amino acids, glycine, proline and glutamate. Our data suggest that specific pre-existing plasma metabolites have the potential to serve as predictive biomarkers of CRS in patients undergoing anti-CD19 CAR T-cell therapy, and may be used for risk stratification and clinical management of irAEs in advance of treatment.
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 ».