Novel proteomic characterization of multiple myeloma bone marrow interstitial fluid links prognosis to coagulation pathways
Notice bibliographique
Résumé
BACKGROUND: Multiple myeloma (MM), the second most prevalent hematological malignancy, carries high morbidity with variability in clinical progression among patients. This necessitates accurate risk stratification for effective therapy and life planning. While extensively genomically and transcriptomically characterized, MM remains modestly studied from a proteomic perspective. As proteomics is a closer measure of phenotype than genomic and transcriptomic assessments, addressing this gap in the literature may yield new insights into disease biology and novel biomarkers. METHODS: Herein, we applied a new sample preparation approach for mass-spectrometry based proteomics to bone marrow interstitial fluid (BMIF) from patients with MM or its precursors. RESULTS: We achieved deep coverage of the proteome, identifying > 11,000 protein groups (PGs) across our cohort, with an average of ~ 8900 PGs per sample. Of these, 194 PGs were significantly associated with overall survival (OS). These survival-associated PGs were enriched for those involved in coagulation, and clustering newly diagnosed MM (NDMM) based on coagulation-related proteins revealed three distinct groups characterised by globally high, medium, and low intensity of coagulation-related proteins. The group with low intensity of coagulation-related PGs had significantly reduced OS (log-rank p = 0.00078). Clustering was independent of measured clinical covariates, including chemotherapeutic regimens used, Revised International Staging System (R-ISS stage), International Normalised Ratio (INR), and age, among others. CONCLUSION: Our findings support the value of fluid-based proteomic assessment of MM and suggest that coagulation-related PGs could serve as valuable novel biomarkers for risk stratification in multiple myeloma, warranting further investigation into this area.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».