Novel and emerging therapeutic strategies for clonal haematopoiesis
Notice bibliographique
Résumé
Clonal hematopoiesis (CH) arises when hematopoietic stem cells (HSC) acquire mutations that confer a competitive advantage over wild-type HSC, leading to their expansion in the bone marrow with clonal progeny that circulate in the blood and are most readily detected through peripheral blood sequencing. The prevalence of CH increases with age and is linked to a higher risk of hematologic malignancies and various non-malignant diseases, particularly atherosclerotic cardiovascular disease. CH is not merely a biomarker; it actively contributes to the pathogenesis of these age-related conditions. Therefore, targeting the expansion of mutant clones and their downstream effects offers an opportunity to prevent these adverse health outcomes. CH involves mutation-specific biological changes that sustain the abnormal HSC phenotype, including epigenetic dysregulation, aberrant inflammatory signaling, metabolic reprogramming, and altered intracellular signaling pathways. A deeper understanding of these processes has led to the development of targeted therapeutic approaches. This review addresses the practical challenges of implementing interventions against CH, focusing on balancing risk and benefit and selecting appropriate patients. It discusses emerging treatments targeting the pathogenic mechanisms in CH, such as epigenetic modulators, anti-inflammatory therapies, metabolic inhibitors, and signaling pathway inhibitors. We also highlight potential novel therapeutic strategies on the horizon, such as immune-based approaches for selective clonal elimination and gene-editing therapies to correct causative mutations. These advances reframe CH as a potentially modifiable condition rather than an inevitable consequence of aging, creating opportunities for early intervention before progression to overt disease.
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 ».