Trametinib Sensitivity is Defined by a Myeloid Differentiation Profile in Acute Myeloid Leukemia
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Acute myelogenous leukemia (AML) is a common blood cancer marked by heterogeneity in disease and diverse genetic abnormalities. Additional therapies are needed as the 5-year survival remains below 30%. Trametinib is a mitogen-activated extracellular signal-regulated kinase (MEK) inhibitor that is widely used in solid tumors and also in tumors with activating RAS mutations. A subset of patients with AML carry activating RAS mutations; however, a small-scale clinical trial with trametinib showed little efficacy. Here, we sought to identify transcriptomic determinants of trametinib sensitivity in AML. METHODS: We tested the activity of trametinib against a panel of tumor cells from patients with AML ex vivo and compared this with RNA sequencing (RNA-Seq) data from untreated blasts from the same patient samples. We then used a correlation analysis between gene expression and trametinib sensitivity to identify potential biomarkers predictive of drug response. RESULTS: We found that a subset of AML tumor cells were sensitive to trametinib ex vivo, only a fraction of which (3/10) carried RAS mutations. On the basis of our RNA-Seq analysis we found that markers of trametinib sensitivity are associated with a myeloid differentiation profile that includes high expression of CD14 and CLEC7A (Dectin-1), similar to the gene expression profile of monocytes. Further characterization confirmed that trametinib-sensitive samples display features of monocytic differentiation with high CD14 surface expression and were enriched for the M4 subtypes of the FAB classification. CONCLUSIONS: Our study identifies additional molecular markers that can be used with molecular features including RAS status to identify patients with AML that may benefit from trametinib 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».