Genes associados a células-tronco preveem mau prognóstico no mieloma múltiplo

Kassambara A, Hose D, Moreaux J, Rème T, Torrent J, Rossi JF, Goldschmidt H, Klein B. Identificação de genes de células-tronco pluripotentes e adultas não relacionados ao ciclo celular e associados a um prognóstico ruim no mieloma múltiplo. PLOS ONE. 2012. Faça o download do PDF

Resumo do estudo

As pontuações prognósticas tradicionais baseadas em expressão gênica no câncer geralmente dependem de genes relacionados ao ciclo celular. Este estudo identifica uma nova assinatura transcricional associada a células-tronco no mieloma múltiplo (MM) que é independente do status do ciclo celular e prevê significativamente os resultados dos pacientes.

Principais resultados

• Identificou 50 genes independentes do ciclo celular superexpressos em células MM em comparação com células normais de plasma e plasmablastos

• 37 dos 50 genes foram compartilhados com células-tronco humanas pluripotentes, hematopoiéticas ou mesenquimais

• Esses genes foram usados para desenvolver o Stem Cell Score (SCscore), que foi:

  • Validado em duas coortes independentes de MM (n = 206 e n = 345)
  • Independente dos escores clínicos padrão e dos modelos existentes baseados em GEP

• O SCscore estratificou os pacientes em grupos prognósticos distintos, sugerindo que características semelhantes às das células-tronco contribuem para a agressividade do mieloma

Importante

Neste estudo, Alboukadel Kassambara foi o primeiro autor, realizando a análise e interpretação dos dados. Ele desenvolveu o Stem Cell Score (SCscore), conduziu a modelagem de sobrevivência e escreveu o manuscrito, revelando uma assinatura prognóstica do tipo tronco independente da atividade do ciclo celular no mieloma múltiplo.

Citação

Publication: In PLOS ONE
Data: 31 de julho, 2012
Tipo: Artigo de periódico
PDF: Faça o download do PDF

<Voltar para todos os resumos

Contribuições científicas

Nota

Aqui estão mais resumos científicos de autoria ou coautoria de Alboukadel Kassambara. Essas contribuições abrangem biologia computacional, bioinformática, bioestatística, aprendizado de máquina e multiômica, com foco em imuno-oncologia e pesquisa translacional.