High-risk Molecular Features Eclipse Genomic Complexity in Predicting CLL Patient Outcomes; Insights from the UK CLL4, ARCTIC and ADMIRE Trials
Notice bibliographique
Résumé
Abstract High genomic complexity is linked to poor prognosis in chronic lymphocytic leukaemia (CLL), but its independent prognostic value remains uncertain amid emerging biomarkers. We analysed copy number alterations (CNA) in 495 treatment-naïve patients from three randomized trials (CLL4, ADMIRE, ARCTIC), incorporating IGHV status, telomere length (TL), targeted sequencing, and DNA-methylation subtypes. Patients harboured low (LGC, 0–2 CNAs; n=334), intermediate (IGC, 3–4 CNAs; n=97), or high (HGC, ≥5 CNAs; n=64) genomic complexity. U-CLL (81%, p<0.001) and short TL (61%, p<0.05) were enriched in HGC, and TL inversely correlated with CNA burden (τ = –0.147, p<0.001). 62% of HGC patients were n-CLL. TP53 dysfunction was associated with HGC (36%, p<0.001). Trisomy 12 and NOTCH1 mutations, were enriched in LGC (p<0.001). HGC predicted shorter progression-free and overall survival in all univariate models but only remained independently prognostic for OS only in CLL4 (HR=1.61, p=0.02). Of 64 HGC patients, 23 had TP53 dysfunction; 92% of TP53 wild-type cases had other high-risk features (TL-S, U-CLL, or n- CLL). HGC is associated with adverse outcomes but may reflect underlying biological risk rather than serve as an independent biomarker. Its interplay with telomere attrition, immunogenetics, and epigenetic subtype warrants further validation in targeted therapy-treated cohorts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».