RNA-seq–based miRNA signature as an independent predictor of relapse in pediatric B-cell acute lymphoblastic leukemia
Notice bibliographique
Résumé
ABSTRACT: Aberrant micro-RNA (miRNA) expression profiles have been associated with disease progression and clinical outcome in pediatric cancers. However, few studies have analyzed genome-wide dysregulation of miRNAs and messenger RNAs (mRNAs) in pediatric B-cell precursor acute lymphoblastic leukemia (BCP-ALL). To identify novel prognostic factors, we comprehensively investigated miRNA and mRNA sequencing (miRNA-seq and mRNA-seq) data in pediatric BCP-ALL samples with poor outcome. We analyzed 180 patients, including 43 matched pairs at diagnosis and relapse. Consensus clustering of miRNA expression data revealed a distinct profile characterized by mainly downregulation of miRNAs (referred to as an miR-low cluster [MLC]). The MLC profile was not associated with any known genetic subgroups. Intriguingly, patients classified as MLC had significantly shorter event-free survival (median 21 vs 33 months; log-rank P = 3 ×10-5). Furthermore, this poor prognosis was retained even in hyperdiploid ALL. This poor prognostic MLC profiling was confirmed in the validation cohort. Notably, non-MLC profiling at diagnosis (n = 9 of 23; Fisher exact test, P = .039) often changed into MLC profiling at relapse for the same patient. Integrated analysis of miRNA-seq and mRNA-seq data revealed that the transcriptional profile of MLC was characterized by enrichment of MYC target and oxidative phosphorylation genes, reduced intron retention, and low expression of DICER1. Thus, our miRNA-mRNA integration approach yielded a truly unbiased molecular stratification of pediatric BCP-ALL cases based on a novel prognostic miRNA signature, which may lead to better clinical 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 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 ».