- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT04889729
GENOMED4ALL: MDS osztályozás és prognózis javítása mesterséges intelligencia által
Genomikus és személyre szabott orvoslás mindenkinek (GENOMED4ALL): A mesterséges intelligencia alkalmazása a mielodiszpláziás szindróma betegségosztályozásának és prognózisának javítására.
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
A myelodysplasiás szindrómák (MDS) jellemzően idős embereknél fordulnak elő. A betegek perifériás vérben citopéniát mutatnak, és idővel ezen alanyok egy része akut myeloid leukémiává (AML) fejlődik. Az MDS természetes története heterogén, a csaknem normális várható élettartammal járó állapotoktól az AML-hez közeli formákig terjed, ezért a kockázathoz igazított kezelési stratégia kötelező. A jelenlegi prognosztikai pontszámok (Revised International Prognostic Scoring System, IPSS-R) korlátokat jelentenek, és a legtöbb esetben nem rögzítenek megbízható prognosztikai információkat egyéni szinten.
Az MDS tanulmányozását a genom jellemzése gyorsan átalakította. A szomatikus mutációk a hematopoietikus őssejtek genomjában alacsony, de kimutatható gyakorisággal fordulnak elő normál DNS-replikáció során. Minden olyan genetikai változás, amely szelektív előnyt okoz más önmegújuló sejtekhez képest, klonális dominanciához vezet (klonális hematopoiesis, CH). A CH következménye a genom instabilitása, ami növeli a további mutációk megszerzésének, valamint MDS, szolid rák és egyéb betegségek kialakulásának kockázatát. Az egyes mutációk időpontja és helye, valamint a betegség lefolyása alatti klonális megjelenése központi kérdés az MDS patogenezisének és fenotípusának jobb megértése, valamint a rákmegelőzési stratégiák kidolgozása szempontjából.
Fontos lépések történtek az MDS molekuláris architektúrájának meghatározása terén. Az 5q delécióhoz kapcsolódó MDS az RPS14 gén haploinsufficienciájából származik. A spliceoszóma komponenseket kódoló géneket az MDS-ben szenvedő alanyok nagy részében azonosították. Szoros kapcsolat van a gyűrűs sideroblasztok és az SF3B1 mutációk között, ami összhangban van az ok-okozati összefüggéssel. Emellett egyre több génről derült ki, hogy MDS-ben ismétlődő mutációkat hordoz, amelyek részt vesznek a DNS-metilációban (DNMT3A, TET2, IDH1/2), a kromatin módosításában (EZH2, ASXL1), a transzkripciós szabályozásban (RUNX1), a jelátvitelben (KRAS). , CBL).
A génmutációkról beszámoltak arról, hogy befolyásolják a túlélést és a betegség progressziójának kockázatát MDS-ben, és a mutációs státusz értékelése jelentős információkat adhat a jelenleg használt prognosztikai pontszámokhoz. Például azt találtuk, hogy az SF3B1 mutációk független előrejelzői a kedvező prognózisnak, míg az ASXL1, SRSF2, RUNX1, TP53 és EZH2 gének vezetőmutációi csökkent túlélési valószínűséggel jártak együtt. A gyűrűs sideroblasztokkal rendelkező MDS a legjobb bizonyíték arra, hogy a kezdeti klónért felelős mutáns gén azonosítása releváns a klinikai kimenetel szempontjából. Valójában a gyűrűs sideroblasztok nemcsak az SF3B1-ben alapmutációval rendelkező betegekben találhatók meg, hanem azokban is, akiknél az SRSF2-ben kezdő onkogén lézió van. Azonban a medián leukémiamentes túlélés >10 év az előbbinél, míg az utóbbinál <2 év.
Ezenkívül a mutációs szűrés befolyásolhatja a klinikai döntéshozatalt: a) 5q-t mutató MDS-ben a TP53 mutációt hordozó alanyok esetében nagyobb a leukémia progressziójának kockázata, és kisebb a lenalidomidra adott válasz valószínűsége; b) HSCT-t kapó betegekben a TP53 mutációk a relapszus nagy valószínűségét jósolják; c) Az SF3B1 mutációk a TGFb-gátlókra (luspatercept) adott eritroid válasz megnövekedett valószínűségével járnak, és d) A TET2 mutációk a HMA-ra adott válaszhoz kapcsolódnak.
E megállapítások ellenére óvatosságra van szükség az ilyen mutációs tesztek azonnali átvétele ellen a klinikai gyakorlatban. Először is, a mutációk jelenléte egy adott egyedben csak korlátozott előrejelző ereje van, mivel az MDS-be való átalakulás ritka, függetlenül a mutáció állapotától. Ezenkívül a nyilvánvaló MDS-ben szenvedő betegeknél a genetikai rendellenességek csak egy részét magyarázzák a specifikus kezelésekkel összefüggő túlélési kockázatoknak, ami azt jelenti, hogy nagy százalékban még mindig klinikai és nem mutációs tényezők állnak összefüggésben. A nagy betegpopuláció átfogó elemzése, valamint a gén-gén kölcsönhatások és a genoptípus-fenotípus összefüggések tanulmányozására szolgáló új módszerek indokoltak az egyes genomiális rendellenességek klinikai kimenetelre és a kezelésre adott válaszra gyakorolt független hatásának helyes becslésére.
A már rendelkezésre álló, nagy mennyiségű szekvenált genomikai adat és klinikai információ kombinálásával a szerzők azt feltételezik, hogy a mesterséges intelligencia lehetővé teszi az MDS biológiájának és osztályozásának jobb megértését, javítja a jelenleg rendelkezésre álló eszközök prognosztikai/előrejelző képességét, és célzottabb módon alkalmazza a kezeléseket. a személyre szabott orvosi program végrehajtásának elősegítése EU-szerte.
Tanulmány típusa
Beiratkozás (Várható)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Milano, Olaszország
- Istituto Clinico Humanitas
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- A WHO kritériumai szerint MDS-ben szenvedő betegek 18 év felettiek
- Klinikai és hematológiai információk rendelkezésre állása
- A célzott mutációszűréssel kapcsolatos információk elérhetősége
Kizárási kritériumok:
- a fentiek közül egyik sem
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
GENOMED4ALL – MDS betegek
Információk a célzott mutációs szűrésről (NGS, beleértve 60 MDS-hez kapcsolódó gént) 13284 MDS-betegtől
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az MDS osztályozás javítása
Időkeret: a tanulmányok befejezéséig átlagosan 2 év
|
Az MDS osztályozásának javítása a klinikai és hematológiai információk és a genomikai jellemzők integrálásával.
A probléma megoldása érdekében a statisztikai tanulás (Dirichlet-folyamatok (DP), Bayes-hálózatok (BN)) és a gépi tanulás (mélytanulási fizika-informált neurális hálózat, korlátozott regresszió és mély modellek) különböző módszereit hasonlítják össze, hogy meghatározzák a konkrét genotípust. fenotípus korrelációkat, és új betegségosztályozást kell kidolgozni.
|
a tanulmányok befejezéséig átlagosan 2 év
|
|
A teljes túlélés valószínűségének előrejelzése (hónapok a diagnózis és a halál vagy a követés vége között) MDS-ben szenvedő betegeknél
Időkeret: a tanulmányok befejezéséig átlagosan 2 év
|
A teljes túlélést (OS) a diagnózis és a halál (minden ok miatt) vagy a követés (cenzúrázott megfigyelések) vége között eltelt időként határozzuk meg (hónapokban kifejezve). Új prognosztikai pontszámok kerülnek meghatározásra, beleértve a következő jellemzőket: életkor években kifejezve; nem (férfi vagy nő); neutrofilszám (neutrofilek száma*10^6/L), vérlemezkeszám (vérlemezkék száma 10^6/l), hemoglobinkoncentráció (g/dl), citogenetika (IPPS-R kritériumok szerint rétegezve, Blood 2012 120: 2454) -2465), a csontvelő-blasztok százalékos aránya és a génmutációk jelenléte (jelenlét versus hiány). Különböző statisztikai módszereket fognak használni az előrejelzési pontosság mérésére (konkordancia-index, C-index segítségével): Cox proporcionális kockázati módszerek, véletlen túlélési erdők, neurális hálózatok, folyamatos individualizált kockázati index (CIRI), idősor elemzés és Markov-modellezés sztochasztikus számára. pályák előrejelzése |
a tanulmányok befejezéséig átlagosan 2 év
|
|
A leukémiamentes túlélés valószínűségének előrejelzése (hónapok a diagnózistól az akut leukémiáig való progresszióig vagy a követés végéig) MDS-ben szenvedő betegeknél
Időkeret: a tanulmányok befejezéséig átlagosan 2 év
|
A leukémia a diagnózis és az akut leukémiává való progresszió vagy a követés vége közötti idő (hónapokban kifejezve). Új prognosztikai pontszámok kerülnek meghatározásra, beleértve a következő jellemzőket: életkor években kifejezve; nem (férfi vagy nő); neutrofilszám (neutrofilek száma*10^6/L), vérlemezkeszám (vérlemezkék száma 10^6/l), hemoglobinkoncentráció (g/dl), citogenetika (IPPS-R kritériumok szerint rétegezve, Blood 2012 120: 2454) -2465), a csontvelő-blasztok százalékos aránya és a génmutációk jelenléte (jelenlét versus hiány). Különböző statisztikai módszereket fognak használni az előrejelzési pontosság mérésére (konkordancia-index, C-index segítségével): Cox proporcionális kockázati módszerek, véletlen túlélési erdők, neurális hálózatok, folyamatos individualizált kockázati index (CIRI), idősor elemzés és Markov-modellezés sztochasztikus számára. pályák előrejelzése |
a tanulmányok befejezéséig átlagosan 2 év
|
Együttműködők és nyomozók
Szponzor
Nyomozók
- Kutatásvezető: Federico Alvarez, UNIVERSIDAD POLITECNICA DE MADRID SPAIN
- Kutatásvezető: Lucia Comnes, DATAWIZARD SRL ITALY
- Kutatásvezető: Mar Manu Pereira, FUNDACIO HOSPITAL UNIVERSITARI VALL D'HEBRON - INSTITUT DE RECERCA SPAIN
- Kutatásvezető: Pierre Fenaux, ASSISTANCE PUBLIQUE HOPITAUX DE PARIS FRANCE
- Kutatásvezető: Torsten Haferlach, MLL MUNCHNER LEUKAMIELABOR GMBH GERMANY
- Kutatásvezető: Maria Diez Campelo, Instituto de investigacion biomedica de Salamanca, IBSAL SPAIN
- Kutatásvezető: Uwe Platzbecker, UNIVERSITAET LEIPZIG GERMANY
- Kutatásvezető: Gastone Castellani, ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA ITALY
- Kutatásvezető: Andres Krogh, KOBENHAVNS UNIVERSITET DENMARK
- Kutatásvezető: Babita Singh, FUNDACIO CENTRE DE REGULACIO GENOMICA SPAIN
- Kutatásvezető: Piero Fariselli, UNIVERSITA DEGLI STUDI DI TORINO ITALY
- Kutatásvezető: Kostantinos Marias, IDRYMA TECHNOLOGIAS KAI EREVNAS GREECE
- Kutatásvezető: Mar Mañu Pereira, European Reference Network on Rare Hematological Diseases (ERN-EuroBloodNet)
Publikációk és hasznos linkek
Általános kiadványok
- Arber DA, Orazi A, Hasserjian R, Thiele J, Borowitz MJ, Le Beau MM, Bloomfield CD, Cazzola M, Vardiman JW. The 2016 revision to the World Health Organization classification of myeloid neoplasms and acute leukemia. Blood. 2016 May 19;127(20):2391-405. doi: 10.1182/blood-2016-03-643544. Epub 2016 Apr 11.
- Greenberg PL, Tuechler H, Schanz J, Sanz G, Garcia-Manero G, Sole F, Bennett JM, Bowen D, Fenaux P, Dreyfus F, Kantarjian H, Kuendgen A, Levis A, Malcovati L, Cazzola M, Cermak J, Fonatsch C, Le Beau MM, Slovak ML, Krieger O, Luebbert M, Maciejewski J, Magalhaes SM, Miyazaki Y, Pfeilstocker M, Sekeres M, Sperr WR, Stauder R, Tauro S, Valent P, Vallespi T, van de Loosdrecht AA, Germing U, Haase D. Revised international prognostic scoring system for myelodysplastic syndromes. Blood. 2012 Sep 20;120(12):2454-65. doi: 10.1182/blood-2012-03-420489. Epub 2012 Jun 27.
- Malcovati L, Hellstrom-Lindberg E, Bowen D, Ades L, Cermak J, Del Canizo C, Della Porta MG, Fenaux P, Gattermann N, Germing U, Jansen JH, Mittelman M, Mufti G, Platzbecker U, Sanz GF, Selleslag D, Skov-Holm M, Stauder R, Symeonidis A, van de Loosdrecht AA, de Witte T, Cazzola M; European Leukemia Net. Diagnosis and treatment of primary myelodysplastic syndromes in adults: recommendations from the European LeukemiaNet. Blood. 2013 Oct 24;122(17):2943-64. doi: 10.1182/blood-2013-03-492884. Epub 2013 Aug 26.
- Harrell FE Jr, Lee KL, Mark DB. Multivariable prognostic models: issues in developing models, evaluating assumptions and adequacy, and measuring and reducing errors. Stat Med. 1996 Feb 28;15(4):361-87. doi: 10.1002/(SICI)1097-0258(19960229)15:43.0.CO;2-4.
- Klampfl T, Gisslinger H, Harutyunyan AS, Nivarthi H, Rumi E, Milosevic JD, Them NC, Berg T, Gisslinger B, Pietra D, Chen D, Vladimer GI, Bagienski K, Milanesi C, Casetti IC, Sant'Antonio E, Ferretti V, Elena C, Schischlik F, Cleary C, Six M, Schalling M, Schonegger A, Bock C, Malcovati L, Pascutto C, Superti-Furga G, Cazzola M, Kralovics R. Somatic mutations of calreticulin in myeloproliferative neoplasms. N Engl J Med. 2013 Dec 19;369(25):2379-90. doi: 10.1056/NEJMoa1311347. Epub 2013 Dec 10.
- Papaemmanuil E, Gerstung M, Bullinger L, Gaidzik VI, Paschka P, Roberts ND, Potter NE, Heuser M, Thol F, Bolli N, Gundem G, Van Loo P, Martincorena I, Ganly P, Mudie L, McLaren S, O'Meara S, Raine K, Jones DR, Teague JW, Butler AP, Greaves MF, Ganser A, Dohner K, Schlenk RF, Dohner H, Campbell PJ. Genomic Classification and Prognosis in Acute Myeloid Leukemia. N Engl J Med. 2016 Jun 9;374(23):2209-2221. doi: 10.1056/NEJMoa1516192.
- Papaemmanuil E, Gerstung M, Malcovati L, Tauro S, Gundem G, Van Loo P, Yoon CJ, Ellis P, Wedge DC, Pellagatti A, Shlien A, Groves MJ, Forbes SA, Raine K, Hinton J, Mudie LJ, McLaren S, Hardy C, Latimer C, Della Porta MG, O'Meara S, Ambaglio I, Galli A, Butler AP, Walldin G, Teague JW, Quek L, Sternberg A, Gambacorti-Passerini C, Cross NC, Green AR, Boultwood J, Vyas P, Hellstrom-Lindberg E, Bowen D, Cazzola M, Stratton MR, Campbell PJ; Chronic Myeloid Disorders Working Group of the International Cancer Genome Consortium. Clinical and biological implications of driver mutations in myelodysplastic syndromes. Blood. 2013 Nov 21;122(22):3616-27; quiz 3699. doi: 10.1182/blood-2013-08-518886. Epub 2013 Sep 12.
- Cazzola M, Della Porta MG, Malcovati L. The genetic basis of myelodysplasia and its clinical relevance. Blood. 2013 Dec 12;122(25):4021-34. doi: 10.1182/blood-2013-09-381665. Epub 2013 Oct 17.
- Ades L, Itzykson R, Fenaux P. Myelodysplastic syndromes. Lancet. 2014 Jun 28;383(9936):2239-52. doi: 10.1016/S0140-6736(13)61901-7. Epub 2014 Mar 21.
- Malcovati L, Porta MG, Pascutto C, Invernizzi R, Boni M, Travaglino E, Passamonti F, Arcaini L, Maffioli M, Bernasconi P, Lazzarino M, Cazzola M. Prognostic factors and life expectancy in myelodysplastic syndromes classified according to WHO criteria: a basis for clinical decision making. J Clin Oncol. 2005 Oct 20;23(30):7594-603. doi: 10.1200/JCO.2005.01.7038. Epub 2005 Sep 26.
- Della Porta MG, Travaglino E, Boveri E, Ponzoni M, Malcovati L, Papaemmanuil E, Rigolin GM, Pascutto C, Croci G, Gianelli U, Milani R, Ambaglio I, Elena C, Ubezio M, Da Via' MC, Bono E, Pietra D, Quaglia F, Bastia R, Ferretti V, Cuneo A, Morra E, Campbell PJ, Orazi A, Invernizzi R, Cazzola M; Rete Ematologica Lombarda (REL) Clinical Network. Minimal morphological criteria for defining bone marrow dysplasia: a basis for clinical implementation of WHO classification of myelodysplastic syndromes. Leukemia. 2015 Jan;29(1):66-75. doi: 10.1038/leu.2014.161. Epub 2014 May 20.
- Papaemmanuil E, Cazzola M, Boultwood J, Malcovati L, Vyas P, Bowen D, Pellagatti A, Wainscoat JS, Hellstrom-Lindberg E, Gambacorti-Passerini C, Godfrey AL, Rapado I, Cvejic A, Rance R, McGee C, Ellis P, Mudie LJ, Stephens PJ, McLaren S, Massie CE, Tarpey PS, Varela I, Nik-Zainal S, Davies HR, Shlien A, Jones D, Raine K, Hinton J, Butler AP, Teague JW, Baxter EJ, Score J, Galli A, Della Porta MG, Travaglino E, Groves M, Tauro S, Munshi NC, Anderson KC, El-Naggar A, Fischer A, Mustonen V, Warren AJ, Cross NC, Green AR, Futreal PA, Stratton MR, Campbell PJ; Chronic Myeloid Disorders Working Group of the International Cancer Genome Consortium. Somatic SF3B1 mutation in myelodysplasia with ring sideroblasts. N Engl J Med. 2011 Oct 13;365(15):1384-95. doi: 10.1056/NEJMoa1103283. Epub 2011 Sep 26.
- Yoshida K, Sanada M, Shiraishi Y, Nowak D, Nagata Y, Yamamoto R, Sato Y, Sato-Otsubo A, Kon A, Nagasaki M, Chalkidis G, Suzuki Y, Shiosaka M, Kawahata R, Yamaguchi T, Otsu M, Obara N, Sakata-Yanagimoto M, Ishiyama K, Mori H, Nolte F, Hofmann WK, Miyawaki S, Sugano S, Haferlach C, Koeffler HP, Shih LY, Haferlach T, Chiba S, Nakauchi H, Miyano S, Ogawa S. Frequent pathway mutations of splicing machinery in myelodysplasia. Nature. 2011 Sep 11;478(7367):64-9. doi: 10.1038/nature10496.
- Malcovati L, Papaemmanuil E, Bowen DT, Boultwood J, Della Porta MG, Pascutto C, Travaglino E, Groves MJ, Godfrey AL, Ambaglio I, Galli A, Da Via MC, Conte S, Tauro S, Keenan N, Hyslop A, Hinton J, Mudie LJ, Wainscoat JS, Futreal PA, Stratton MR, Campbell PJ, Hellstrom-Lindberg E, Cazzola M; Chronic Myeloid Disorders Working Group of the International Cancer Genome Consortium and of the Associazione Italiana per la Ricerca sul Cancro Gruppo Italiano Malattie Mieloproliferative. Clinical significance of SF3B1 mutations in myelodysplastic syndromes and myelodysplastic/myeloproliferative neoplasms. Blood. 2011 Dec 8;118(24):6239-46. doi: 10.1182/blood-2011-09-377275. Epub 2011 Oct 12.
- Della Porta MG, Tuechler H, Malcovati L, Schanz J, Sanz G, Garcia-Manero G, Sole F, Bennett JM, Bowen D, Fenaux P, Dreyfus F, Kantarjian H, Kuendgen A, Levis A, Cermak J, Fonatsch C, Le Beau MM, Slovak ML, Krieger O, Luebbert M, Maciejewski J, Magalhaes SM, Miyazaki Y, Pfeilstocker M, Sekeres MA, Sperr WR, Stauder R, Tauro S, Valent P, Vallespi T, van de Loosdrecht AA, Germing U, Haase D, Greenberg PL, Cazzola M. Validation of WHO classification-based Prognostic Scoring System (WPSS) for myelodysplastic syndromes and comparison with the revised International Prognostic Scoring System (IPSS-R). A study of the International Working Group for Prognosis in Myelodysplasia (IWG-PM). Leukemia. 2015 Jul;29(7):1502-13. doi: 10.1038/leu.2015.55. Epub 2015 Feb 27.
- Bersanelli M, Travaglino E, Meggendorfer M, Matteuzzi T, Sala C, Mosca E, Chiereghin C, Di Nanni N, Gnocchi M, Zampini M, Rossi M, Maggioni G, Termanini A, Angelucci E, Bernardi M, Borin L, Bruno B, Bonifazi F, Santini V, Bacigalupo A, Voso MT, Oliva E, Riva M, Ubezio M, Morabito L, Campagna A, Saitta C, Savevski V, Giampieri E, Remondini D, Passamonti F, Ciceri F, Bolli N, Rambaldi A, Kern W, Kordasti S, Sole F, Palomo L, Sanz G, Santoro A, Platzbecker U, Fenaux P, Milanesi L, Haferlach T, Castellani G, Della Porta MG. Classification and Personalized Prognostic Assessment on the Basis of Clinical and Genomic Features in Myelodysplastic Syndromes. J Clin Oncol. 2021 Apr 10;39(11):1223-1233. doi: 10.1200/JCO.20.01659. Epub 2021 Feb 4.
- Senent L, Arenillas L, Luno E, Ruiz JC, Sanz G, Florensa L. Reproducibility of the World Health Organization 2008 criteria for myelodysplastic syndromes. Haematologica. 2013 Apr;98(4):568-75. doi: 10.3324/haematol.2012.071449. Epub 2012 Oct 12.
- Schanz J, Tuchler H, Sole F, Mallo M, Luno E, Cervera J, Granada I, Hildebrandt B, Slovak ML, Ohyashiki K, Steidl C, Fonatsch C, Pfeilstocker M, Nosslinger T, Valent P, Giagounidis A, Aul C, Lubbert M, Stauder R, Krieger O, Garcia-Manero G, Faderl S, Pierce S, Le Beau MM, Bennett JM, Greenberg P, Germing U, Haase D. New comprehensive cytogenetic scoring system for primary myelodysplastic syndromes (MDS) and oligoblastic acute myeloid leukemia after MDS derived from an international database merge. J Clin Oncol. 2012 Mar 10;30(8):820-9. doi: 10.1200/JCO.2011.35.6394. Epub 2012 Feb 13.
- Gerstung M, Papaemmanuil E, Martincorena I, Bullinger L, Gaidzik VI, Paschka P, Heuser M, Thol F, Bolli N, Ganly P, Ganser A, McDermott U, Dohner K, Schlenk RF, Dohner H, Campbell PJ. Precision oncology for acute myeloid leukemia using a knowledge bank approach. Nat Genet. 2017 Mar;49(3):332-340. doi: 10.1038/ng.3756. Epub 2017 Jan 16.
- Grinfeld J, Nangalia J, Baxter EJ, Wedge DC, Angelopoulos N, Cantrill R, Godfrey AL, Papaemmanuil E, Gundem G, MacLean C, Cook J, O'Neil L, O'Meara S, Teague JW, Butler AP, Massie CE, Williams N, Nice FL, Andersen CL, Hasselbalch HC, Guglielmelli P, McMullin MF, Vannucchi AM, Harrison CN, Gerstung M, Green AR, Campbell PJ. Classification and Personalized Prognosis in Myeloproliferative Neoplasms. N Engl J Med. 2018 Oct 11;379(15):1416-1430. doi: 10.1056/NEJMoa1716614.
- Perperoglou A. Cox models with dynamic ridge penalties on time-varying effects of the covariates. Stat Med. 2014 Jan 15;33(1):170-80. doi: 10.1002/sim.5921. Epub 2013 Aug 2.
- Pellagatti A, Armstrong RN, Steeples V, Sharma E, Repapi E, Singh S, Sanchi A, Radujkovic A, Horn P, Dolatshad H, Roy S, Broxholme J, Lockstone H, Taylor S, Giagounidis A, Vyas P, Schuh A, Hamblin A, Papaemmanuil E, Killick S, Malcovati L, Hennrich ML, Gavin AC, Ho AD, Luft T, Hellstrom-Lindberg E, Cazzola M, Smith CWJ, Smith S, Boultwood J. Impact of spliceosome mutations on RNA splicing in myelodysplasia: dysregulated genes/pathways and clinical associations. Blood. 2018 Sep 20;132(12):1225-1240. doi: 10.1182/blood-2018-04-843771. Epub 2018 Jun 21.
- Reilly B, Tanaka TN, Diep D, Yeerna H, Tamayo P, Zhang K, Bejar R. DNA methylation identifies genetically and prognostically distinct subtypes of myelodysplastic syndromes. Blood Adv. 2019 Oct 8;3(19):2845-2858. doi: 10.1182/bloodadvances.2019000192.
- Masaki S, Ikeda S, Hata A, Shiozawa Y, Kon A, Ogawa S, Suzuki K, Hakuno F, Takahashi SI, Kataoka N. Myelodysplastic Syndrome-Associated SRSF2 Mutations Cause Splicing Changes by Altering Binding Motif Sequences. Front Genet. 2019 Apr 16;10:338. doi: 10.3389/fgene.2019.00338. eCollection 2019.
- Liang Y, Tebaldi T, Rejeski K, Joshi P, Stefani G, Taylor A, Song Y, Vasic R, Maziarz J, Balasubramanian K, Ardasheva A, Ding A, Quattrone A, Halene S. SRSF2 mutations drive oncogenesis by activating a global program of aberrant alternative splicing in hematopoietic cells. Leukemia. 2018 Dec;32(12):2659-2671. doi: 10.1038/s41375-018-0152-7. Epub 2018 Jun 1.
- Haferlach T, Nagata Y, Grossmann V, Okuno Y, Bacher U, Nagae G, Schnittger S, Sanada M, Kon A, Alpermann T, Yoshida K, Roller A, Nadarajah N, Shiraishi Y, Shiozawa Y, Chiba K, Tanaka H, Koeffler HP, Klein HU, Dugas M, Aburatani H, Kohlmann A, Miyano S, Haferlach C, Kern W, Ogawa S. Landscape of genetic lesions in 944 patients with myelodysplastic syndromes. Leukemia. 2014 Feb;28(2):241-7. doi: 10.1038/leu.2013.336. Epub 2013 Nov 13.
- Bacher U, Haferlach T, Schnittger S, Zenger M, Meggendorfer M, Jeromin S, Roller A, Grossmann V, Krauth MT, Alpermann T, Kern W, Haferlach C. Investigation of 305 patients with myelodysplastic syndromes and 20q deletion for associated cytogenetic and molecular genetic lesions and their prognostic impact. Br J Haematol. 2014 Mar;164(6):822-33. doi: 10.1111/bjh.12710. Epub 2013 Dec 26.
- Haase D, Stevenson KE, Neuberg D, Maciejewski JP, Nazha A, Sekeres MA, Ebert BL, Garcia-Manero G, Haferlach C, Haferlach T, Kern W, Ogawa S, Nagata Y, Yoshida K, Graubert TA, Walter MJ, List AF, Komrokji RS, Padron E, Sallman D, Papaemmanuil E, Campbell PJ, Savona MR, Seegmiller A, Ades L, Fenaux P, Shih LY, Bowen D, Groves MJ, Tauro S, Fontenay M, Kosmider O, Bar-Natan M, Steensma D, Stone R, Heuser M, Thol F, Cazzola M, Malcovati L, Karsan A, Ganster C, Hellstrom-Lindberg E, Boultwood J, Pellagatti A, Santini V, Quek L, Vyas P, Tuchler H, Greenberg PL, Bejar R; International Working Group for MDS Molecular Prognostic Committee. TP53 mutation status divides myelodysplastic syndromes with complex karyotypes into distinct prognostic subgroups. Leukemia. 2019 Jul;33(7):1747-1758. doi: 10.1038/s41375-018-0351-2. Epub 2019 Jan 11.
- Kulasekararaj AG, Jiang J, Smith AE, Mohamedali AM, Mian S, Gandhi S, Gaken J, Czepulkowski B, Marsh JC, Mufti GJ. Somatic mutations identify a subgroup of aplastic anemia patients who progress to myelodysplastic syndrome. Blood. 2014 Oct 23;124(17):2698-704. doi: 10.1182/blood-2014-05-574889. Epub 2014 Aug 18.
- Della Porta MG, Galli A, Bacigalupo A, Zibellini S, Bernardi M, Rizzo E, Allione B, van Lint MT, Pioltelli P, Marenco P, Bosi A, Voso MT, Sica S, Cuzzola M, Angelucci E, Rossi M, Ubezio M, Malovini A, Limongelli I, Ferretti VV, Spinelli O, Tresoldi C, Pozzi S, Luchetti S, Pezzetti L, Catricala S, Milanesi C, Riva A, Bruno B, Ciceri F, Bonifazi F, Bellazzi R, Papaemmanuil E, Santoro A, Alessandrino EP, Rambaldi A, Cazzola M. Clinical Effects of Driver Somatic Mutations on the Outcomes of Patients With Myelodysplastic Syndromes Treated With Allogeneic Hematopoietic Stem-Cell Transplantation. J Clin Oncol. 2016 Oct 20;34(30):3627-3637. doi: 10.1200/JCO.2016.67.3616.
- Lindsley RC, Saber W, Mar BG, Redd R, Wang T, Haagenson MD, Grauman PV, Hu ZH, Spellman SR, Lee SJ, Verneris MR, Hsu K, Fleischhauer K, Cutler C, Antin JH, Neuberg D, Ebert BL. Prognostic Mutations in Myelodysplastic Syndrome after Stem-Cell Transplantation. N Engl J Med. 2017 Feb 9;376(6):536-547. doi: 10.1056/NEJMoa1611604.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Várható)
A tanulmány befejezése (Várható)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- GENOMED4ALL: MDS
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .