Discrete genetic subtypes and tumor microenvironment signatures correlate with peripheral T-cell lymphoma outcomes
Notice bibliographique
Résumé
Peripheral T-cell lymphoma (PTCL) exhibits a diverse clinical spectrum, necessitating methods to categorize patients based on genomic abnormalities or tumor microenvironment (TME) profiles. We conducted an integrative multiomics study in 129 PTCL patients, performing whole-exome sequencing and identifying three genetic subtypes: C1, C2, and C3. C2 was characterized by loss of tumor suppressor genes and chromosomal instability, while C1 and C3 shared T follicular helper (TFH)-related genomic alterations, with C3 also showing a high incidence of IDH2 mutations and chromosome 5 gain. Compared to C1, survival was significantly worse in C2 (HR 2.52; 95% CI, 1.37-4.63) and C3 (HR 2.14; 95% CI, 1.17-3.89). We also estimated the proportions of immune cell fractions from the bulk RNA sequencing data using CIBERSORTx and classified TME signatures into the following hierarchical clusters: TME1 (characterized by increased B and TFH cells), TME2 (macrophages), and TME3 (activated mast cells). TME2 was associated with shorter survival (HR 3.4; 95% CI, 1.6-7.5) and was more frequent in C2 (64.3%) than in C1 (7.7%), whereas C1 had more TME3 signatures (80.8% vs. 28.6%). These findings highlight a significant relationship between genetic subtypes and TME signatures in PTCL, with important implications for clinical prognosis.
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 ».