Identification of genetic subtypes in follicular lymphoma
Notice bibliographique
Résumé
Follicular lymphoma (FL) exhibits considerable variability in biological features and clinical trajectories across patients. To dissect the diversity of FL, we utilized a Bernoulli mixture model to identify genetic subtypes in 713 pre-treatment tumor tissue samples. Our analysis revealed the existence of five subtypes with unique genetic profiles that correlated with clinicopathological characteristics. The clusters were enriched in specific mutations as follows: CS (CREBBP and STAT6), TT (TNFAIP3 and TP53), GM (GNA13 and MEF2B), Q (quiescent, for low mutation burden), and AR (mutations of mTOR pathway-related genes). The subtype Q was enriched for patients with stage I disease and associated with a lower proliferative history than the other subtypes. The AR subtype was unique in its enrichment for IgM-expressing FL cases and was associated with advanced-stage and more than 4 nodal sites. The existence of subtypes was validated in an independent cohort of 418 samples from the GALLIUM trial. Notably, patients assigned to the TT subtype consistently experienced inferior progression-free survival when treated with immunochemotherapy. Our findings offer insight into core pathways distinctly linked with each FL cluster and are expected to be informative in the era of targeted therapies.
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 ».