Kassambara A, Hose D, Moreaux J, Walker BA, Protopopov A, Rème T, Pellestor F, Pantesco V, Jauch A, Morgan G, Goldschmidt H, Klein B. Gene mit einer Spike-Expression sind auf spezifischen Chromosomenregionen mit prognostischem Wert beim Multiplen Myelom geclustert. Hematologica. 2012. PDF herunterladen
Zusammenfassung der Studie
Chromosomentranslokationen beim Multiplen Myelom (MM) können zu einer abnorm hohen Expression (‘Spike-Expression’) von Genen führen, die mit dem Überleben und Fortschreiten des Tumors zusammenhängen.
Diese Studie:
Untersucht wurden Gene mit Spike-Expression in bösartigen Plasmazellen von 206 neu diagnostizierten MM-Patienten
Identifiziert 2.587 Spike-exprimierte Gene
Es wurde festgestellt, dass 36,7% von ihnen signifikant innerhalb von 149 chromosomalen (Sub-)Banden clustern
Entwicklung eines Spike-Band-Scores auf der Grundlage dieser Cluster, der stark mit der Patientenprognose korreliert:
- 23,8 % der Patienten hatten mit diesem Score ein schlechtes Überleben
- Der Score war unabhängig von bekannten Markern wie t(4;14) und del17p
- Die Ergebnisse wurden in einer unabhängigen Kohorte von 345 Patienten validiert
Diese Arbeit stellt eine leistungsfähige Stratifizierungsmethode für MM unter Verwendung von Genexpressions-Spikes und chromosomalen Positionen vor.
In dieser Studie war Alboukadel Kassambara der erste Autor, der die transkriptomische Analyse und die Interpretation der Daten durchführte. Er identifizierte Spike-exprimierte Gene, entwickelte den Spike-Band-Score und validierte dessen prognostischen Wert. Er trug auch zum Verfassen des Manuskripts bei, indem er ein neues, auf der chromosomalen Expression basierendes Stratifikationsmodell für das multiple Myelom entwickelte.
Zitat
Publication: In Hematologica
Datum: April 1, 2012
Typ: Zeitschriftenartikel
PDF: Download der PDF
Wissenschaftliche Beiträge
Hier sind weitere wissenschaftliche Abstracts, die von Alboukadel Kassambara verfasst oder mitverfasst wurden. Diese Beiträge umfassen computergestützte Biologie, Bioinformatik, Biostatistik, maschinelles Lernen und Multi-Omics, mit Schwerpunkt auf Immuno-Onkologie und translationaler Forschung.