EpiScore prédit le pronostic et le potentiel thérapeutique dans le DLBCL

Szablewski V, Bret C, Kassambara A, Devin J, Cartron G, Costes-Martineau V, Moreaux J. Un score lié aux régulateurs épigénétiques (EpiScore) prédit la survie des patients atteints de lymphome diffus à grandes cellules B et identifie les patients susceptibles de bénéficier d'une thérapie épigénétique. Oncotarget. 2018. Télécharger le PDF

Résumé de l’étude

Le lymphome diffus à grandes cellules B (DLBCL) est un cancer biologiquement et cliniquement hétérogène. Dans cette étude, les chercheurs ont développé EpiScore, un score de risque basé sur l’expression génique dérivé de l’expression de trois régulateurs épigénétiques (DNMT3A, DOT1L, SETD8) pour stratifier le pronostic des patients et le potentiel thérapeutique.

• EpiScore a été validé dans deux cohortes indépendantes de DLBCL (n = 414 et n = 69)

• Il a permis de classer les patients dans les groupes low, intermédiaire et high-risk (risque élevé)

• Surpasse les outils pronostiques établis tels que:

  • IPI : Indice pronostique international
  • Sous-type ABC/GCB
  • GERS
  • Score de réparation de l’ADN

• L’immunohistochimie a confirmé que la surexpression de DNMT3A était associée à une plus mauvaise survie

• Les échantillons à haut risque étaient enrichis pour une signature de gènes HDAC, suggérant une vulnérabilité aux thérapies épigénétiques

Important

Dans cette étude, Alboukadel Kassambara a contribué à la recherche, à l’analyse des données et à la rédaction du manuscrit. Il a été spécifiquement impliqué dans le développement et la validation du EpiScore, liant l’expression génétique des régulateurs épigénétiques aux résultats cliniques dans le DLBCL.

Citation

Publication: In Oncotarget
Date : 10 avril, 2018
Type : Article de revue
PDF : Télécharger le PDF

< Retourner à tous les résumés

Contributions scientifiques

Note

Voici d’autres résumés scientifiques dont l’auteur ou le co-auteur est Alboukadel Kassambara. Ces contributions couvrent la biologie informatique, la bioinformatique, la biostatistique, l’apprentissage automatique et la multi-omique, avec un accent sur l’immuno-oncologie et la recherche translationnelle.