治疗选择主要取决于年龄(65 岁以下或 65 岁以上)和合并症(4)。我们的研究重点关注年轻 MCL 患者(年龄 ≤ 65 岁)的生存趋势,因为他们比老年人更健康,治疗相关并发症更少,因此可以更好地反映治疗策略的转变。2000 年之前,以 CHOP 为基础的诱导化疗(环磷酰胺、阿霉素、长春新碱、泼尼松)是年轻 MCL 患者的标准治疗(7)。标准 CHOP 方案的完全缓解 (CR) 率低,中位生存期在 2 至 5 年之间。 2001 年至 2012 年间,包含利妥昔单抗和高剂量阿糖胞苷 (HDAC) 的强化免疫化疗方案,随后进行巩固性自体干细胞移植 (ASCT),通过改善年轻患者的反应质量和持续时间,首次在侵袭性 MCL 的临床管理方面取得了突破。这些方案包括交替 R-CHOP/R- DHAP(利妥昔单抗、地塞米松、高剂量阿糖胞苷和顺铂)、Nordic MCL2 方案(利妥昔单抗与剂量递增的环磷酰胺和阿霉素、长春新碱、泼尼松 [R-maxi-CHOP] 与 HDAC 交替)、MD Anderson 方案(超分割环磷酰胺、长春新碱、阿霉素、地塞米松与高剂量甲氨蝶呤和阿糖胞苷交替与利妥昔单抗 [R-hyper- CVAD/MA]),并在 10 年内实现中位总生存期 (OS)(8 – 13)。然而,这些疗法并不代表治愈方法,并且与急性和长期毒性有关。 2013 年至 2016 年期间,以布鲁顿酪氨酸激酶 (BTK) 抑制剂为首的新型药物以及来那度胺、硼替佐米、替西罗莫司和维奈克拉等其他口服药物代表了临床革命的第二波浪潮,这些药物通常耐受性良好且有效,显著改善了 MCL 患者的治疗选择和预后 ( 14 , 15 )。使用无化疗诱导将减轻毒性和第二种癌症的风险,这些风险与这些患者使用强化化学免疫治疗方案有关。一系列临床试验证实了这些方案和药物的效果。然而,由于临床试验的资格标准严格,病情较轻且没有并发症的患者更有可能被选中参与这些试验,从而限制了结论的普遍性。此外,之前的临床试验侧重于特定的治疗方案,因此无法预测整个人群的总体生存趋势。由于这些限制,基于一般患者人群的研究可以更实际地估计新药物和新方案的效果。之前使用监测、流行病学和最终结果 (SEER) 数据的研究分析了治疗模式变化对 MCL 生存趋势的影响;然而,这些研究没有正确考虑靶向治疗的时代(16-19)。基于一般患者人群的研究有助于确定新药物和新方案如何影响现实世界中的生存。在这些条件下,我们试图证明我们的假设,即年轻患者的生存率在代表 MCL 各自主要临床治疗的连续时期(或时代)内有所提高。
在过去的十年中,由于开发了可以在一线或复发阶段使用的新疗法策略,因此对MM的处理已更改[1]。目前,六种不同的药物,即烷基剂,类固醇,蛋白酶体抑制剂,免疫调节剂,组蛋白脱乙酰基酶抑制剂和单克隆抗体用于不同的治疗方案,要么是双次,三倍,三胞胎,也可以将其结合到自动型茎细胞替代型(2)[2] [2]尽管有不同的治疗方案的可用性,但患者表现出良好的反应,某些情况显示复发。与接受化学治疗剂的患者相比,接受造血干细胞移植的患者观察到的生存率更好[3]。强烈需要为MM患者开发新的治疗方法以改善治疗结果。基因编辑最近在实验水平上尝试治疗包括血液恶性肿瘤在内的恶性疾病[4]。簇状的常规间隔短篇小学重复重复序列(CRISPR-CAS9)是细菌和相关生物的辅助免疫系统。CRISPR-CAS9由编程的单链引导RNA“ SGRNA”和Cas9核酸内切酶组成,该核酸酶在序列特异性位点生成双链DNA断裂(DSB)[5]。基因组的修饰是通过不同的方法进行的,例如:通过非同源末端连接(NHEJ)或同源性修复(HDR)路径的插入或缺失小序列“ indels” [5-7]。蛋白质由位于Chr22:22上的VPREB1基因编码。2016年,在中国推出了使用CRISPR-Cas9介导的基因编辑的首次临床试验。评估了编程的细胞死亡蛋白1(PD-1)基因敲除工程T细胞,以管理转移性非小细胞肺癌[8-10]。CRISPR/CAS9已被测试为多种血液疾病的潜在治疗,包括编辑β-丘脑中贫血中的β-珠蛋白(HBB)基因突变[11]和镰状细胞疾病中GLU6VAL突变的有效控制[12,13]。此外,通过编辑患者衍生成纤维细胞[14]的点突变[14]和出血疾病,例如新生儿自身免疫性血小板减少症和后液压减少症和后传播puransfula [15],血液磷[16],疾病[16],von-wille brandbrandbrandbrandbrandbrand [17],将这项技术用于治疗范科尼贫血。V-stet前B细胞替代光链1“ VPREB1”(也称为CD179A)蛋白质属于免疫球蛋白(IG)超家族,其分子量为16-18 kDa,由126个氨基酸组成。它在早期B细胞的表面表达,即概率和早期preb细胞[18]。该基因编码与IG-MU链相关的IOTA多肽链,以在Pre-B细胞表面形成分子复合物[19]。在B细胞分化的早期步骤中,VPREB1 /IG-MU链复合物调节Ig基因重排[20]。CD179A的结构包括一个类似IGV结构域的结构,该结构缺少正常V结构域的β(beta 7),但具有与其他蛋白质相顺序连续性的羧基末端[20]。在这个复合物中,CD179A的不完整V域CD179B与“ Lambda 5”结合使用,该“ Lambda 5”具有类似IgC域的结构,称为易于轻链的结构,称为替代轻链或伪轻链[21]。
医院巴塞罗那克利尼奇。研究Institut d'调查生物分子august pi sunyer(idibaps)。Centro deRespuctionunbiomédicen Red de EnfermedesHepáticasy Digestivas(Ciberehd),巴塞罗那,西班牙,西班牙U BMT单位,血液学和肿瘤学研究所,IDIBAPS,IDIBAPS,IDIBAPS,BARCELONA,BARCELONA,BARCELONA,BARCELONA,SPAIN VRAMBAM HEALTAR CAMPUS和RIBPPAPP, Faculty of Medicine, Technion, Haifa, Israel W Chu De Lille, University Lille, Instirm U1286, in fi nite, 59000, Lille, France X Internal Medicine Unit (04): CRMR Mathec, Maladie Auto-Immunes et Thérapie cell, Center de Référence des Maladies Auto- Immunes Immunes SystémiquesRares d'Ile-de-france,AP-HP,圣路易斯医院巴黎大学,法国,法国Y EBMT的联合主席,EBMT的指南委员会和ADWP主席,Barcelona,Spain Z Bayrisches ZentrumfürKrebbsforschungkrebsforschung krebsforschung krebsforschung (BZKF)德国Erlangen AA Deutsches Zentrum Immuntherapie,Universalklinikum Erlangen,Friedrich-Alexander University(FAU)Erlangen-Nürnberg,Erlangen,Erlangen,Germany AB Co-AB Co-Chair实践和指导委员西班牙巴塞罗那市执行官EBMT医疗官员
医院巴塞罗那克利尼奇。研究Institut d'调查生物分子august pi sunyer(idibaps)。Centro de Investigación Biomédic EN Red de Enfermedes HepáticaS y Digestivas (Ciberehd), Barcelona, Spain U Bmt Unit, Haematology Department, Institute of Haematology and Oncology, Idibaps, Hospital Clinic, University of Barcelona, Barcelona, Spain V Rambam Health Care Campus and Ribpapport Faculty of Medicine, Technion, Haifa, Israel W Chu De Lille, University Lille, Instirm U1286, in fi nite, 59000, Lille, France X Internal Medicine Unit (04): CRMR Mathec, Maladie Auto-Immunes et Thérapie cell, Center de Référence des Maladies Auto- Immunes Immunes Systémiques rares d 'ile-de-france, ap-HP, st-Louis Hospital Paris-Cite University, France Y Co-Chair of the Practice Harmonization and Guidelines Committee of EBMT and Chair of the ADWP of the EBMT, Barcelona, Spain Z Bayrisches Zentrum Für Krebsforschung (Bzkf) Erlangen, Germany AA Deutsches Zentrum Immuntherapie, Universityklinikum Erlangen, Friedrich-Alexander University (FAU)ERLANGEN-Nürnberg,Erlangen,德国AB的AB联合主席EBMT,西班牙AC,西班牙AC,AC,EBMT Medical Offiercer,巴塞罗那,巴塞罗那,西班牙的EBMT Medical Offirine >Centro de Investigación Biomédic EN Red de Enfermedes HepáticaS y Digestivas (Ciberehd), Barcelona, Spain U Bmt Unit, Haematology Department, Institute of Haematology and Oncology, Idibaps, Hospital Clinic, University of Barcelona, Barcelona, Spain V Rambam Health Care Campus and Ribpapport Faculty of Medicine, Technion, Haifa, Israel W Chu De Lille, University Lille, Instirm U1286, in fi nite, 59000, Lille, France X Internal Medicine Unit (04): CRMR Mathec, Maladie Auto-Immunes et Thérapie cell, Center de Référence des Maladies Auto- Immunes Immunes Systémiques rares d 'ile-de-france, ap-HP, st-Louis Hospital Paris-Cite University, France Y Co-Chair of the Practice Harmonization and Guidelines Committee of EBMT and Chair of the ADWP of the EBMT, Barcelona, Spain Z Bayrisches Zentrum Für Krebsforschung (Bzkf) Erlangen, Germany AA Deutsches Zentrum Immuntherapie, Universityklinikum Erlangen, Friedrich-Alexander University (FAU)ERLANGEN-Nürnberg,Erlangen,德国AB的AB联合主席EBMT,西班牙AC,西班牙AC,AC,EBMT Medical Offiercer,巴塞罗那,巴塞罗那,西班牙的EBMT Medical Offirine >
抽象背景肿瘤突变负担(TMB)定义为询问的基因组序列的每个兆班堡的体细胞突变数量,证明了对鉴定癌症患者的预测性生物标志物潜力,最有可能对免疫检查点抑制剂做出反应。TMB是通过整个外显子组测序(WES)最佳计算的,但是下一代测序的目标面板以时间效率且具有成本效益的方式提供TMB估计。然而,除了潜在的生物信息学管道外,面板大小和基因覆盖范围的差异是跨实验室TMB估计值的已知驱动因素。通过直接比较来自参与实验室的基于面板的TMB估计值,本研究旨在表征基于面板的TMB估计的理论可变性,并提供有关TMB报告,分析验证要求和参考标准一致性的指南,以维持跨平台TMB估计的一致性。方法十一项实验室使用了来自多种癌症(MC3)样本中的癌症基因组多中心突变的WES数据,并使用其自身的生物信息信息线(PANEL TMB)限制在其目标面板覆盖的基因的外部基因的子集中计算了TMB。使用统一的生物信息学管道从整个外显子组中计算出参考TMB值,所有成员都同意(WES TMB)。线性回归分析,以研究所有32种癌症类型的WES和面板TMB之间的关系。在各种WES TMB值下的面板TMB值的可变性也使用95%的预测限制进行了量化。
抽象背景免疫检查点抑制剂(ICI)疗法已大大提高了非小细胞肺癌(NSCLC)患者的总生存率(OS);但是,它的响应率仍然适中。在这项研究中,我们开发了一个基于机器的基于机器的平台,即基于细胞因子的ICI反应指数(CIRI),以根据外周血细胞因子特征来预测NSCLC患者的ICI反应。方法我们分别在培训和验证队列中分别接受了抗PD-1/PD-L1单一疗法或联合化学疗法的NSCLC患者的123例和99例NSCLC患者。在基线(前)和治疗后6周(治疗期间:EDT)从患者获得的外周血中检查了93种细胞因子的血浆浓度。集合学习随机生存森林分类剂是为了选择特征细胞因子并预测接受ICI治疗的患者的OS。在基线和治疗时分别选择了14个和19个细胞因子,以生成CIRI模型(即PROCIRI14和EDTCIRI19),这两者都成功地鉴定出了两个完全独立的人群中OS较差的患者。在人口水平上,如一致性指数(C-Indices)所示,PROCIRI14和EDTCIRI19的预测准确性分别为0.700和0.751在验证群体中。在单个水平上,CIRI评分较高的患者表现出较差的OS [危险比(HR):0.274和0.163,以及PROCIRI14和EDTCIRI19的P <0.0001和P = 0.0044]。通过包括其他循环和临床特征,在高级模型中观察到了提高的预测功效(PROCIRI21和EDTCIRI27)。验证队列中的c指数分别为0.764和0.757,而PROCIRI21和EDTCIRI27的HRS分别为0.141(P <0.0001)和0.158(P = 0.038)。结论CIRI模型在确定NSCLC患者的抗PD-1/PD-L1治疗方面具有高度准确且可重复性,并且可能有助于在治疗早期和/或治疗早期进行临床决策。