MétaCan
Menu
Retour à la cohorte
Enregistrement W4402564542 · doi:10.1016/j.ebiom.2024.105316

Phosphoproteomics predict response to midostaurin plus chemotherapy in independent cohorts of FLT3-mutated acute myeloid leukaemia

2024· article· en· W4402564542 sur OpenAlexaff
Weronika E. Borek, Luís Nobre, S Federico Pedicona, A. Campbell, Josie A. Christopher, Nazrath Nawaz, David N. Perkins, Pedro Moreno-Cardoso, Janet Kelsall, Harriet R. Ferguson, Bela Patel, Paolo Gallipoli, Andrea Arruda, Alex J Ambinder, Andrew Thompson, Andrew Williamson, Gabriel Ghiaur, Mark D. Minden, John G. Gribben, David J. Britton, Pedro R. Cutillas, Arran Dokal

Notice bibliographique

RevueEBioMedicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesInnovate UK
Mots-clésMidostaurinMedicinePhosphoproteomicsOncologyMyeloid leukaemiaMyeloid leukemiaChemotherapyInternal medicineNilotinibMyeloidCancer researchBioinformaticsBiologyImatinibGeneticsKinase

Résumé

récupéré en direct d'OpenAlex

Background Acute myeloid leukaemia (AML) is a bone marrow malignancy with poor prognosis. One of several treatments for AML is midostaurin combined with intensive chemotherapy (MIC), currently approved for FLT3 mutation-positive ( FLT3-MP ) AML. However, many patients carrying FLT3 mutations are refractory or experience an early relapse following MIC treatment, and might benefit more from receiving a different treatment. Development of a stratification method that outperforms FLT3 mutational status in predicting MIC response would thus benefit a large number of patients. Methods We employed mass spectrometry phosphoproteomics to analyse 71 diagnosis samples of 47 patients with FLT3-MP AML who subsequently received MIC. We then used machine learning to identify biomarkers of response to MIC, and validated the resulting predictive model in two independent validation cohorts (n = 20). Findings We identified three distinct phosphoproteomic AML subtypes amongst long-term survivors. The subtypes showed similar duration of MIC response, but different modulation of AML-implicated pathways, and exhibited distinct, highly-predictive biomarkers of MIC response. Using these biomarkers, we built a phosphoproteomics-based predictive model of MIC response, which we called MPhos. When applied to two retrospective real-world patient test cohorts (n = 20), MPhos predicted MIC response with 83% sensitivity and 100% specificity (log-rank p < 7∗10 −5 , HR = 0.005 [95% CI: 0–0.31]). Interpretation In validation, MPhos outperformed the currently-used FLT3 -based stratification method. Our findings have the potential to transform clinical decision-making, and highlight the important role that phosphoproteomics is destined to play in precision oncology. Funding This work was funded by Innovate UK grants (application numbers: 22217 and 10054602) and by Kinomica Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,305
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEBioMedicineMême sujetAcute Myeloid Leukemia ResearchTravaux en français237 207