患者特定的计算模型通过从基因测序数据中量化益增殖和抗亡特征来预测B细胞淋巴瘤的预后

科学领域:

• 计算生物学和生物信息学
• 血液瘤学和癌症基因组学

背景情况:

• 血液癌症中的遗传异质性和同时发生的突变显著影响临床结果.
• 预测突变对复杂信号网络的综合影响仍然是一个挑战.

研究的目的:

• 利用数学建模来预测同时发生突变对扩散大B细胞淋巴瘤和多发性骨髓瘤细胞信号传递和细胞命运的影响.
• 根据组合信号通路激活,识别具有明显预后形状的患者子组.

主要方法:

• 开发和应用数学模型来模拟细胞信号通路.
• 在个性化淋巴瘤模型中整合患者特异性突变特征.
• 对发现和验证队列的分析,以将信号状态与临床预后相关联.

主要成果:

• 仿真预测了不良预后,当突变诱导了抗亡 (AA) 和增殖 (PP) 信号时.
• 确定一个分组 (8-25%的患者) 与AA和PP信号 (AAPP) 跨分类的同时上调.
• 没有任何,一个 (AA或PP) 或两个 (AAPP) 信号状态的患者分别表现出良好的,中间的和差的预后.
• 与遗传/临床预测因素相结合的AAPP信号创造了不同的预后类别,AAPP患者在预后不佳的集群中显示出明显更短的生存期.

结论:

• 个性化计算模型可以在血液癌症中识别出新的,风险分层的患者子组.
• 反亡和促生殖信号 (AAPP) 的同时上调定义了一个预后不佳的组.
• 这种方法为开发风险调整的临床试验和个性化治疗策略提供了有价值的工具.