Bilgi

Aşırı yolların anlamı ve önemi nedir?

Aşırı yolların anlamı ve önemi nedir?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Birisi lütfen bana aşırı yolların ne olduğunu açıklayabilir mi? Bu tanımı bu makalede buldum:

Aşırı yollar, genom ölçeğinde metabolik ağların kararlı durum yeteneklerini tamamen karakterize eden benzersiz ve minimal bir vektör kümesidir.

Şimdi, açıkçası, bu tanımın başını veya sonunu anlamadım? sabit durum nedir? Kararlı durum yetenekleri ile ne anlama geliyor? Birisi lütfen bana daha basit bir şekilde açıklayabilir mi? Not: Bilgisayar Bilimi öğrencisiyim


Farklı bileşenler tarafından tanımlanan herhangi bir dinamik sistem için kararlı durum, bileşenlerin zaman içinde sabit kaldığı sistemin durumudur. Büyüme örneğini (hücre bölünmesiyle) ele alırsanız, toplam hücre sayısının sabit kaldığı nokta sabit durum olacaktır. Bu, bir noktada doğum oranı = ölüm oranı. Benzer şekilde, gen ve aktivatörü gibi çok bileşenli bir sistem için, kararlı durum, genin ve aktivatörünün mRNA'larının ve proteinlerinin sabit olduğu nokta olacaktır. Yalnızca birkaç bileşen sabitse, sistemin yarı kararlı durumda olduğu söylenir.

Dikkat edilmesi gereken bir nokta, kimyasal (veya biyokimyasal) sistemlerde bir terim olarak kararlı durumun dengeden farklıdır (fizikte bu terimler birbirinin yerine kullanılır). Denge, tek bir tersinir reaksiyon için ileri hız = geri hız olduğu bir durumdur.

Matematiksel terimlerle sabit durum, bileşenlerin değişim oranının = 0 olduğu bir noktadır. Adi diferansiyel denklemlere dayalı bir modelde:

$$frac{dar{X}}{dt}=0 $$ burada $ar{X}$, her öğenin sistemin bir bileşeni olduğu bir vektördür. Transkripsiyon örneğinde, $X(1),X(2)… $ mRNA, protein, aktivatör mRNA vb. olacaktır. Diğer bir deyişle, tüm $i$ için $dfrac{dX(i)}{dt}=0$.

Kararlı durum yetenekleri, sistemin kararlı durumundaki özellikleri anlamına gelmelidir.

Soruda açıklanan çalışma türü, farklı metabolik reaksiyonların $Sv=0$ ile temsil edilen lineer denklemler şeklinde tanımlandığı metabolik akış dengesi analizi olarak adlandırılır; burada $v$, tüm akışların vektörüdür (metabolik reaksiyon oranları) $ S$ stokiyometri matrisidir (farklı metabolik reaksiyonlardaki tüm bileşenlerin stokiyometrisine sahiptir). RHS sıfırdır çünkü sistemi kararlı durumunda değerlendiriyoruz, yani net metabolik reaksiyon akışının 0 olduğu durumu bulmakla ilgileniyoruz. Diğer bir deyişle, tüm metabolik reaksiyonlar birbirini dengeler.

Bu konuda daha fazla okumalısın. Bu konu hakkında çok kitap var. Bu inceleme ile başlayabilirsiniz.

Akı dengesi analizinde lineer denklemler aşırı belirlenir, yani birçok çözüm vardır. İnsanlar optimal çözümleri bulmak için genellikle doğrusal programlamayı (simpleks algoritma) kullanırlar. Optimal çözümler uzayında, köşeler aşırı reaksiyonları temsil eder. Tüm optimal çözüm uzayı, bu aşırı reaksiyonların lineer bir kombinasyonu olarak tanımlanabilir.

Beş uç yolla karakterize edilen bir dışbükey koninin şematik gösterimi. Aşırı Yollar 1-5 (EP1, EP2, EP3, EP4ve EP5) belirtilen üç akı için çözüm uzayını çevreleyin (vA, vB, vC). EP4 v akılarının oluşturduğu düzlemde yer alırA ve vB. Sonuç olarak, akı vC bu aşırı yola katılmaz. EP3, EP4ve EP5 hepsi birbirine yakındır ve benzer bir genel sonuç elde etmek için bir ağın farklı kullanımlarını temsil eder. Dışbükey koni içindeki tüm noktalar, aşırı yolların negatif olmayan doğrusal bir kombinasyonu olarak tanımlanabilir. [1].


Aşırı yol analizi, metabolik düzenlemenin düzenleme kurallarını ortaya çıkarır

Bağlantılar Şangay Akıllı Bilgi İşleme Anahtar Laboratuvarı, Fudan Üniversitesi, Şanghay, Çin, Bilgisayar Bilimi ve Teknolojisi Okulu, Fudan Üniversitesi, Şanghay, Çin, Şanghay Ji Ai Genetik ve Tüp Bebek Enstitüsü, Fudan Üniversitesi Kadın Hastalıkları ve Doğum Hastanesi, Şanghay, Çin

Roller Kavramsallaştırma, Denetim, Doğrulama, Yazma - gözden geçirme ve düzenleme

Bağlantılar Shanghai Key Lab of Intelligent Information Processing, Fudan Üniversitesi, Şanghay, Çin, Bilgisayar Bilimi ve Teknolojisi Okulu, Fudan Üniversitesi, Şanghay, Çin


Soyut

Genom ölçekli metabolik ağlar, bir dizi sistemik olarak bağımsız ve benzersiz aşırı yol ile karakterize edilebilir. Bu aşırı yollar, tanımlanmış metabolik ağ tarafından elde edilebilen tüm potansiyel kararlı durum akı dağılımlarını çevreleyen dışbükey, yüksek boyutlu bir alanı kapsar. esansiyel olmayan amino asitlerin üretimi ile ilişkili genom ölçeğinde aşırı yollar Haemophilus influenzae hesaplandı. Metabolik ağının işleyişi hakkında değerli bilgiler sunarlar. Üç önemli sonuç elde edildi. İlk olarak, harici olarak ayırt edilemez durumlara karşılık gelen çoklu dahili akı haritaları vardı. içinde benzersiz değişim akı vektörü başına ortalama 37 dahili durum olduğu gösterilmiştir. H. grip ağ, karbon dioksit ve asetatın karbon batmasına izin verirken tek bir amino asit üretmek için kullanıldığında. Ek bir çıktı olarak süksinatın dahil edilmesiyle, bu oran %40'lık bir artışla 52'ye yükseldi. İkincisi, karbon kaderinin bir analizi, aşırı yolların karbon kaderi spektrumu boyunca eşit olmayan bir şekilde dağıldığını gösterdi. Ayrıntılı vaka çalışmasında, lizin üretimiyle ilişkili farklı karbon kaderi değerlerinin %45'i, aşırı yolların %85'ini temsil ediyordu. Üçüncüsü, bu dağılım farklı sistemik kısıtlamalar arasına düştü. Lizin üretimi için, yukarıda açıklanan yolların %85'ini temsil eden karbon kaderi değerleri, karbon dioksit ve asetat arasında yalnızca 1:1 ve 4:1'lik 2 farklı orana karşılık geldi. Mevcut çalışma, bir organizmadan tek çıktıları analiz etti ve genom ölçeğinde aşırı yol çalışmalarına bir başlangıç ​​sağladı. Bu ortaya çıkan sistem düzeyinde karakterizasyonlar, genom ölçeğinde metabolik aşırı yol analizinin önemini göstermektedir.

Bu yazarlar bu çalışmaya eşit katkıda bulunmuştur.

Yazışmaların adreslenmesi gereken yazar. E-posta: [e-posta  korumalı]


Mutlak ve Bağıl Refrakter Dönem

Yukarıdaki bilgilerle artık mutlak refrakter periyodu ile nispi refrakter periyodu arasındaki farkı anlamak mümkündür. Aksiyon potansiyeli açısından, refrakter periyotlar uyaranların üst üste gelmesini engeller.

Teoride, her aksiyon potansiyelinin iletilmesi için yaklaşık bir milisaniye gerekir. Bu, gerçekte tek bir aksonun her saniye en az bin aksiyon potansiyeli iletmesini bekleyebileceğimiz anlamına gelir, bu sayı çok daha düşüktür. Mutlak refrakter periyodu yaklaşık bir milisaniye sürer, nispi refrakter periyodu yaklaşık iki milisaniye sürer.

Aynı nöronda tam olarak aynı anda birden fazla aksiyon potansiyeli oluşmaz. Bunun nedeni, bir nöronun ikinci bir aksiyon potansiyeli başlatmanın imkansız veya zor olduğu iki farklı durum yaşamasıdır. Bu iki durum, iki tür refrakter periyodu tanımlar.

Na + iyon kanallarının açık olduğu depolarizasyon aşamasında, daha sonraki hiçbir uyarı başka bir etki yaratamaz. Bir iyon kanalı derece derece açılmaz – ya açık ya da kapalıdır. Bu, bir aksiyon potansiyelinin mutlak refrakter periyodudur (ARP). Bu anda ikinci bir aksiyon potansiyeli 'kesinlikle' oluşamaz. Ancak zarın bu kısmındaki Na + iyon kanalları kapandıktan sonra ikinci bir uyarana tepki verebilirler.

Göreceli refrakter periyodu (RRP), hiperpolarizasyon fazı sırasında meydana gelir. Nöron zarı, dinlenme durumunda olduğundan daha negatif yüklüdür K + iyon kanalları daha yeni kapanmaya başlar. Bununla birlikte, tüm sodyum iyon kanalları kapalıdır, bu nedenle – prensipte – ikinci bir aksiyon potansiyeli başlatmak mümkündür. Bu, hücre içi boşluk daha negatif yüklü olduğundan daha güçlü bir uyaran gerektirir. Bir nöronu – 55 mV eşik seviyesine ulaşarak uyarmak için daha büyük bir uyarana ihtiyaç vardır. Bu nedenle, göreceli refrakter periyot sırasında ikinci bir aksiyon potansiyeli başlatmak 'nispeten' zordur ancak imkansız değildir.

Göreceli refrakter periyodu uyaran gücü açısından son derece önemlidir. Bir nöronun aksiyon potansiyellerini iletme hızı, o uyaranın ne kadar önemli olduğuna karar verir. Zayıf veya güçlü aksiyon potansiyeli diye bir şey yoktur, çünkü hepsinin gerçekleşmesi için aynı düzeyde elektriksel veya kimyasal uyarı gerekir. Ya eşik düzeyine ulaşılır ve nöron ateşlenir ya da yanmaz.

Farklı etkilere neden olan ateşleme gücü değil, atış hızıdır. Örneğin, düşük ışık seviyelerinde, gözün retinasındaki hücreler, parlak ışığın varlığından daha az aksiyon potansiyeli iletir. Işık seviyeleri yüksek olduğunda çok daha iyi görürüz çünkü kısa sürede retinadan beyne daha fazla bilgi geçer.


IV. Aileye Yönelik Hata Oranını Kontrol Etme (FWER)

Tanım NS aile bazında hata oranı (FWER) en az bir (1 veya daha fazla) tip I hata olasılığıdır

Bonferroni Düzeltmesi

FWER'i kontrol etmenin en sezgisel yolu, test sayısı arttıkça anlamlılık düzeyini düşürmektir. FWER'in bağımsız testlerde sürdürülmesini sağlamak

anlamlılık düzeyi ayarlanarak elde edilir.

Önem düzeyini olarak sabitleyin. Her bağımsız testin bir p değeri ürettiğini ve tanımladığını varsayalım.

Uyarılar, endişeler ve itirazlar

Bonferroni düzeltmesi, sıfır hipotezinin (yani, ) tek bir hatalı reddedilme olasılığını bile kontrol etmesi anlamında I. tip hata kontrolünün çok katı bir şeklidir. Bu düzeltme biçimine karşı pratik bir argüman, aşırı tutucu olduğu ve istatistiksel gücü etkilediğidir (Whitley 2002b).

Tanım NS istatistiksel güç alternatif doğru olduğunda sıfır hipotezini reddetme olasılığıdır.

Aslında, yukarıdaki tartışmamız, büyük ölçekli deneylerin doğası gereği keşif amaçlı olduğunu ve test hatalarının önemsiz sonuçlar doğurduğundan emin olmamız gerektiğini gösterecektir. Daha önemli genleri tanımlamak için daha fazla potansiyel hatayı makul bir takas olarak kabul edebiliriz. Son birkaç on yılda bu tür kontrol prosedürlerinin kullanılmasına karşı, bazıları felsefi sınırda olan birçok başka argüman vardır (Goodman 1998, Savitz 1995). Hatta bazıları, düzeltme prosedürlerinin tamamen terk edilmesini isteyecek kadar ileri gitti (Rothman 1990). En az iki argüman, büyük ölçekli deneysel verileri içeren çoklu test bağlamıyla ilgilidir.

1. Bileşik “evrensel” sıfır hipotezi alakasız

Bonferroni düzeltmesinin kökeni, eldeki tüm gözlemlerin tüm değişkenliğini yalnızca tamamen rastgele süreçlerin yönettiği evrensel hipoteze dayanır. Omnibus alternatif hipotezi, verilerde bazı ilişkilerin mevcut olmasıdır. Boş hipotezin reddi, yalnızca sıfır hipotezinin altında yatan varsayımlardan en az birinin geçersiz olduğu ifadesine karşılık gelir, ancak tam olarak hangi yönü belirtmez.

Somut olarak, bir mikrodizi üzerinde tedavi ve kontrol hücrelerinde diferansiyel ekspresyon için çok sayıda genin test edilmesi Bonferroni düzeltmesinin temeli olabilir. Bununla birlikte, dizide temsil edilen tüm genlerin ifadesini tamamen rastgele süreçlerin yönettiği bileşik sıfır hipotezini reddetmek çok ilginç değildir. Bunun yerine, araştırmacılar, tedaviyi takiben bu rastgele olmayan ifade modellerini hangi genlerin veya alt kümelerin gösterdiğiyle daha fazla ilgilenmektedir.

2. Gözetleme ve "p hackleme" cezası

Bu argüman şu argümana indirgenir: Neden bağımsız bir test sonucu diğerinin sonucunu etkilemeli?

Bonferroni düzeltmesi kullanılarak 20 testin gerçekleştirildiği ve her birinin . Eğlenmek için aynı p değeriyle 80 test daha yapıyoruz, ancak şu andan beri hiçbiri önemli değil. Bu rahatsız edici sonuca 'göz atmanın cezası' denir.

Alternatif olarak, 'p-hacking', veri setlerini, p-değerleri anlamlılık eşiğinin altında kalacak şekilde yaratıcı bir şekilde organize etme sürecidir. Örneğin, 100 test yaptığımızı ve her birinin bir . Bonferroni tarafından düzeltilmiş bir önem düzeyi, sonraki sonuçların hiçbirinin anlamlı kabul edilmediği anlamına gelir. Bu 100 testi 20'şerli 5 gruba ayırdığımızı ve her bir grubu ayrı ayrı yayınladığımızı varsayalım. Bu durumda anlamlılık düzeyi ve her durumda testler anlamlıdır.


Biyolojinin Önemi Nedir?

Biyoloji önemlidir çünkü insanların yaşam formlarının çeşitliliğini ve bunların korunmasını ve sömürülmesini anlamalarını sağlar. İnsanlar, çeşitli biyolojik disiplinler aracılığıyla, bu organizmaların kökeni, büyümesi, evrimi, yapısı, dağılımı ve işlevi dahil olmak üzere yaşam ve canlı organizmalar hakkında bilgi edinirler.

Biyoloji, tüm canlı türlerinin refahı ve korunması için temel bir sorumluluğu ifade eder. Tüm canlıları ve organizmaların biyosferde nasıl etkileşime girdiğini inceler. Bu önemlidir, çünkü insanların diğer popülasyonlardan veya topluluklardan bireylerle etkileşime giren her bir popülasyonun davranış ve işlevlerini bilmelerini sağlar. Biyologlar, biyosferin belirli yönlerinin belirli bir popülasyonun davranışlarını nasıl etkilediğini ve bunlardan nasıl yararlandığını keşfeder.

Biyoloji ayrıca enfeksiyonlar, hayvan patolojileri ve bitki ve ağaçlara verilen hasar gibi hastalıkların ve vebaların kökenini de inceler. Biyoloji, canlıların işlevlerini, yararlı türlerin geliştirilmesini, hastalıklara neden olan faktörleri, ilaçların keşfini ve üretimini ve doğal kaynakların sürdürülebilir kullanımını kapsar. Biyoteknoloji sayesinde biyologlar, insanlar için yiyecek ve diğer malzemeleri üretmenin verimli yollarını bulurlar. Çeşitli besin maddelerinin üretilmesiyle ilgili süreçleri araştırırlar.

Ayrıca biyologlar, canlıları çevreleyen çevresel faktörleri araştırır ve Dünya'daki canlı organizmaların varlığını tehdit eden çevrenin varyasyonlarını kavramak için etkili yöntemler ararlar.


Apoplast ve Symplast Arasındaki Fark

Apoplast, hücre duvarı ve hücre içi boşluklar dahil olmak üzere bir bitkinin protoplazmik olmayan bileşenlerini ifade eder.

Symplast, plazmodesmata ile birbirine bağlanan bir bitkinin protoplastlarının sürekli düzenlemesini ifade eder.

Apoplast, hücre duvarı ve hücre içi boşluk gibi protoplazmik olmayan kısımlardan oluşur.

Simplast Protoplasttan oluşur

Bir bitkinin cansız kısımlarından oluşan apoplast.

Bir bitkinin canlı kısımlarından oluşan semplast.

Apoplastta su hareketi pasif difüzyonla gerçekleşir.

Simplastta su hareketi ozmoz ile gerçekleşir.

Apoplastta su hareketi hızlıdır.

Semplastta su hareketi daha yavaştır.

Kök korteksindeki hücrelerin metabolizma hızı su hareketini etkilemez.

Kök korteksindeki hücrelerin metabolizma hızı, su hareketini oldukça etkiler.

Su hareketine karşı daha az direnç gösterir.

Su hareketine karşı bir miktar direnç gösterir.

Kökün ikincil büyümesi ile suyun çoğu apoplast yolu ile hareket eder.

Korteksin ötesinde, su semplast yolundan geçer.

Apoplast ve Symplast Arasındaki Benzerlikler:

Apoplast ve semplast, suyun kök kıl hücrelerinden ksileme hareket ettiği iki yoldur.

Hem apoplast hem de semplast kök korteksinde meydana gelir.

Hem apoplast hem de semplast, su ve besinleri ksileme doğru taşır.

Apoplast Yoluyla Kök Emilimi İçin Yollar:

Apoplastik yol, epidermisin ve korteksin serbest alanları ve hücre duvarları yoluyla vasküler hücreye doğru bir yol sağlar. Ksilem ve floeme doğrudan erişime izin veren ek bir apoplastik yol, ikincil köklerin kenarları boyuncadır. İkincil kök, endodermisin hemen içindeki bir hücre tabakası olan perisiklden geliştirilmiştir. Endodermis, Casparian şeridi ile karakterizedir. Apoplast, daha önce, hücre duvarları ve su ile çözünen maddelerin serbestçe hareket edebildiği hücreler arasındaki boşluklardan oluşan semplast dışındaki her şey olarak tanımlanıyordu.


Referanslar

Shanafelt TD, Hanson C, Dewald GW, Witzig TE, LaPlant B, Abrahamzon J ve diğerleri. Floresan in situ hibridizasyon analizindeki karyotip evrimi, kronik lenfositik lösemili hastalarda kısa sağkalım ile ilişkilidir ve CD49d ekspresyonu ile ilişkilidir. J Clin Oncol 2008 26: e5–e6.

Dohner H, Stilgenbauer S, Benner A, Leupolt E, Krober A, Bullinger L ve diğerleri. Kronik lenfositik lösemide genomik sapmalar ve sağkalım. N İngilizce J Med 2000 343: 1910–1916.

Pettitt AR, Jackson R, Carruthers S, Dodd J, Dodd S, Oates M ve diğerleri. Alemtuzumab, metilprednizolon ile kombinasyon halinde, kronik lenfositik lösemi ve TP53 delesyonu olan hastalar için oldukça etkili bir indüksiyon rejimidir: Ulusal Kanser Araştırma Enstitüsü CLL206 Denemesinin nihai sonuçları. J Clin Oncol 2012 30: 1647–1655.

İspanyol DE. Fludarabine dirençli kronik lenfositik lösemide oral yüksek doz glukokortikoidler ve ofatumumab. Lösemi 2012 26: 1144–1145.

Stilgenbauer S, Zenz T, Winkler D, Buhler A, Schlenk RF, Groner S ve diğerleri. Fludarabine dirençli kronik lenfositik lösemide subkutan alemtuzumab: Alman Kronik Lenfositik Lösemi Çalışma Grubunun CLL2H çalışmasından klinik sonuçlar ve prognostik belirteç analizleri. J Clin Oncol 2009 27: 3994–4001.

Castro JE, James DF, Sandoval-Sus JD, Jain S, Bole J, Rassenti L ve diğerleri. Kronik lenfositik lösemi tedavisi için yüksek doz metilprednizolon ile kombinasyon halinde Rituksimab. Lösemi 2009 23: 1779–1789.

Parikh SA, Keating MJ, O'Brien S, Wang X, Ferrajoli A, Faderl S ve diğerleri. Yüksek riskli kronik lenfositik lösemi için fludarabin, siklofosfamid, alemtuzumab ve rituksimab ile cephe kemoimmünoterapisi. Kan 2011 118: 2062–2068.

Dreger P, Dohner H, Ritgen M, Bottcher S, Busch R, Dietrich S ve diğerleri. Allojenik kök hücre nakli, düşük riskli kronik lenfositik lösemide kalıcı hastalık kontrolü sağlar: Alman CLL Çalışma Grubu CLL3X çalışmasının uzun vadeli klinik ve MRD sonuçları. Kan 2010 116: 2438–2447.

Wang L, Lawrence MS, Wan Y, Stojanov P, Sougnez C, Stevenson K ve diğerleri. Kronik lenfositik lösemide SF3B1 ve diğer yeni kanser genleri. N İngilizce J Med 2011 365: 2497–2506.

Quesada V, Conde L, Villamor N, Ordonez GR, Jares P, Bassaganyas L ve diğerleri. Ekzom dizilimi, kronik lenfositik lösemide ekleme faktörü SF3B1 geninin tekrarlayan mutasyonlarını tanımlar. Nat Genet 2011 44: 47–52.

Zhang X, Reis M, Khoriaty R, Li Y, Ouillette P, Samayoa J ve diğerleri. Kronik lenfositik lösemide 515 kinaz geninin dizi analizi. Lösemi 2011 25: 1908–1910.

Ouillette P, Collins R, Shakhan S, Li J, Peres E, Kujawski L ve diğerleri. Edinilmiş genomik kopya sayısı sapmaları ve kronik lenfositik lösemide hayatta kalma. Kan 2011 118: 3051–3061.

Gunnarsson R, Mansouri L, Isaksson A, Goransson H, Cahill N, Jansson M ve diğerleri. Kronik lenfositik lösemide tanı ve takip sırasında dizi tabanlı genomik tarama. hematolojik 2011 96: 1161–1169.

Gunnarsson R, Isaksson A, Mansouri M, Goransson H, Jansson M, Cahill N ve diğerleri. Büyük ama küçük olmayan kopya sayısı değişiklikleri, yüksek riskli genomik sapmalar ve kronik lenfositik lösemide hayatta kalma ile ilişkilidir: yeni teşhis edilen hastaların yüksek çözünürlüklü genomik taraması. Lösemi 2010 24: 211–215.

Lehmann S, Ogawa S, Raynaud SD, Sanada M, Nannya Y, Ticchioni M ve diğerleri. Erken evre, tedavi edilmemiş kronik lenfositik löseminin moleküler allelokaryotiplemesi. Yengeç Burcu 2008 112: 1296–1305.

Pfeifer D, Pantic M, Skatulla I, Rawluk J, Kreutz C, Martens UM ve diğerleri. Yüksek yoğunluklu SNP dizileri kullanılarak CLL'de DNA kopya numarası değişikliklerinin ve LOH'nin genom çapında analizi. Kan 2007 109: 1202–1210.

Brown JR, Hanna M, Tesar B, Werner L, Pochet N, Asara JM ve diğerleri. Bütünleştirici genomik analiz, kronik lenfositik lösemide 3q26'da PIK3CA ve 8q24'te MYC kazanımını içerir. Klinik Kanser Araş. 2012 18: 3791–3802.

Grubor V, Krasnitz A, Troge JE, Meth JL, Lakshmi B, Kendall JT ve diğerleri. Temsili oligonükleotid mikrodizi analizi (ROMA) ile ortaya çıkan kronik lenfositik lösemide yeni genomik değişiklikler ve klonal evrim. Kan 2009 113: 1294–1303.

Kay NE, Eckel-Passow JE, Braggio E, Vanwier S, Shanafelt TD, Van Dyke DL ve diğerleri. Daha fazla dizi CGH karmaşıklığına sahip ilerleyici ancak daha önce tedavi edilmemiş KLL hastaları, kemoimmünoterapiye daha az dayanıklı bir yanıt sergiler. Kanser Geneti Sitogeneti 2010 203: 161–168.

Saddler C, Ouillette P, Kujawski L, Shangary S, Talpaz M, Kaminski M ve diğerleri. Kapsamlı biyobelirteç ve genomik analiz, kronik lenfositik lösemide MDM2 inhibitörlerine verilen yanıtın ana belirleyicisi olarak p53 durumunu tanımlar. Kan 2008 111: 1584–1593.

Ouillette P, Erba H, Kujawski L, Kaminski M, Shedden K, Malek SN. Kronik lenfositik löseminin entegre genomik profili, 13q14 silme alt tiplerini tanımlar. Kanser Res 2008 68: 1012–1021.

Kujawski L, Ouillette P, Erba H, Saddler C, Jakubowiak A, Kaminski M ve diğerleri. Genomik karmaşıklık, agresif kronik lenfositik lösemili hastaları tanımlar. Kan 2008 112: 1993–2003.

Haferlach C, Dicker F, Schnittger S, Kern W, Haferlach T. KLL'nin kapsamlı genetik karakterizasyonu: kromozom bantlama analizi, interfaz FISH, IgV(H) durumu ve immünofenotipleme ile analiz edilen 506 vaka üzerinde bir çalışma. Lösemi 2007 21: 2442–2451.

Ouillette P, Fossum S, Parkin B, Ding L, Bockenstedt P, Al-Zoubi A ve diğerleri. Artmış genomik karmaşıklığa sahip agresif kronik lenfositik lösemi, DNA çift sarmal kopmalarına yanıtta çoklu gen kusurları ile ilişkilidir. Klinik Kanser Araş. 2010 16: 835–847.

Britt-Compton B, Lin TT, Ahmed G, Weston V, Jones RE, Fegan C ve diğerleri. ATM mutasyonlu ve 11q silinmiş KLL hastalarında aşırı telomer erozyonu, hastalık evresinden bağımsızdır. Lösemi 2012 26: 826–830.

Augereau A, T'Kint de Roodenbeke C, Simonet T, Bauwens S, Horard B, Callanan M ve diğerleri. Kronik lenfositik löseminin erken evresindeki telomerik hasar, sığınak düzensizliği ile ilişkilidir. Kan 2011 118: 1316–1322.

Lin TT, Letsolo BT, Jones RE, Rowson J, Pratt G, Hewamana S ve diğerleri. Kronik lenfositik löseminin ilerlemesi sırasında telomer disfonksiyonu ve füzyon: bir telomer krizi için kanıt. Kan 2010 116: 1899–1907.

Brugat T, Nguyen-Khac F, Grelier A, Merle-Beral H, Delic J. Telomer disfonksiyonuna bağlı odaklar, dirençli kronik lenfositik lösemi hücrelerinde telomerik delesyonların ve kompleks kromozomal anormalliklerin başlamasıyla ortaya çıkar. Kan 2010 116: 239–249.

Roos G, Krober A, Grabowski P, Kienle D, Buhler A, Dohner H ve diğerleri. Kısa telomerler, kronik lenfositik lösemide genetik karmaşıklık, yüksek riskli genomik sapmalar ve kısa sağkalım ile ilişkilidir. Kan 2008 111: 2246–2252.

Bullrich F, Veronese ML, Kitada S, Julander J, Caligiuri MA, Reed JC ve diğerleri. B hücreli kronik lenfositik lösemide 13q14'te minimal kayıp bölgesi. Kan 1996 88: 3109–3115.

Liu Y, Hermanson M, Grander D, Merup M, Wu X, Heyman M ve diğerleri. Lenfoid malignitelerde 13q delesyon. Kan 1995 86: 1911–1915.

Kalachikov S, Migliazza A, Cayanis E, Fracchiolla NS, Bonaldo MF, Lawton L ve diğerleri. Kronik lenfositik lösemide silinen kromozom 13q14 bölgesinin klonlanması ve gen haritalaması. genomik 1997 42: 369–377.

Kitamura E, Su G, Sossey-Alaoui K, Malaj E, Lewis J, Pan HQ ve diğerleri. 650 kb kritik bölgenin büyük ölçekli dizilimi ile tanımlanan B hücreli kronik lenfositik lösemide 13q14'ten minimal olarak silinen bölgenin bir transkripsiyon haritası. onkogen 2000 19: 5772–5780.

Kapanadze B, Makeeva N, Corcoran M, Jareborg N, Hammarsund M, Baranova A ve diğerleri. B-hücreli kronik lenfositik lösemide sıklıkla silinen insan kromozomu 13q14 üzerindeki bir bölgenin ve fare kromozomu 14 üzerindeki homolog bölgesinin karşılaştırmalı dizi analizi. genomik 2000 70: 327–334.

Migliazza A, Bosch F, Komatsu H, Cayanis E, Martinotti S, Toniato E ve diğerleri. B-hücreli kronik lenfositik lösemide silinen 13q14 kromozomal bölgesinin nükleotid dizisi, transkripsiyon haritası ve mutasyon analizi. Kan 2001 97: 2098–2104.

Mabuchi H, Fujii H, Calin G, Kızılağaç H, Negrini M, Rassenti L ve diğerleri. CLLD6, CLLD7 ve CLLD8'in klonlanması ve karakterizasyonu, B hücreli kronik lenfositik lösemide yaygın olarak silinen bir bölge olan kromozom 13q14'te lösemogenez için yeni aday genler. Kanser Res 2001 61: 2870–2877.

Ouillette P, Collins R, Shakhan S, Li J, Li C, Shedden K ve diğerleri. Kronik lenfositik lösemide çeşitli 13q14 delesyonlarının prognostik önemi. Klinik Kanser Araş. 2011 17: 6778–6790.

Mosca L, Fabris S, Lionetti M, Todoerti K, Agnelli L, Morabito F ve diğerleri. Bütünleştirici genomik analizler, 13q14 delesyonu olan B hücreli kronik lenfositik lösemi hastalarının moleküler olarak farklı alt gruplarını ortaya çıkarır. Klinik Kanser Araş. 2010 16: 5641–5653.

Parker H, Rose-Zerilli MJ, Parker A, Chaplin T, Wade R, Gardiner A ve diğerleri. Kronik lenfositik lösemili hastalarda 13q silme anatomisi ve hastalık ilerlemesi. Lösemi 2011 25: 489–497.

Fazi C, Scarfo L, Pecciarini L, Cottini F, Dağklis A, Janus A ve diğerleri. Genel popülasyonda düşük sayımlı CLL benzeri MBL, aynı CLL sitogenetik anormalliklerini taşımasına rağmen klinik ilerleme olmaksızın zaman içinde devam eder. Kan 2011 118: 6618–6625.

Lanasa MC, Allgood SD, Slager SL, Dave SS, Aşk C, Marti GE ve diğerleri. Monoklonal B hücreli lenfositozun immünofenotipik ve gen ekspresyon analizi, iyi prognozlu KLL ile ilişkili biyolojik özellikler gösterir. Lösemi 2011 25: 1459–1466.

Calin GA, Dumitru CD, Shimizu M, Bichi R, Zupo S, Noch E ve diğerleri. Kronik lenfositik lösemide 13q14'te mikro-RNA genleri miR15 ve miR16'nın sık silinmesi ve aşağı regülasyonu. Proc Natl Acad Sci ABD 2002 99: 15524–15529.

Sampath D, Liu C, Vasan K, Sulda M, Puduvalli VK, Wierda WG ve diğerleri. Histon deasetilazlar, kronik lenfositik lösemide miR-15a, miR-16 ve miR-29b'nin susturulmasına aracılık eder. Kan 2012 119: 1162–1172.

Klein U, Lia M, Crespo M, Siegel R, Shen Q, Mo T ve diğerleri. DLEU2/miR-15a/16-1 kümesi, B hücresi proliferasyonunu kontrol eder ve silinmesi kronik lenfositik lösemiye yol açar. Kanser hücresi 2010 17: 28–40.

Lia M, Carette A, Tang H, Shen Q, Mo T, Bhagat G ve diğerleri. Transgenik fare çizgileri kullanılarak kromozom 13q14 tümör baskılayıcı lokusun fonksiyonel diseksiyonu. Kan 2012 119: 2981–2990.

Raveche ES, Salerno E, Scaglione BJ, Manohar V, Abbasi F, Lin YC ve diğerleri. NZB farelerinde CLL'ye bağlı insan 13q14'e sintenli anormal mikroRNA-16 lokusu. Kan 2007 109: 5079–5086.

Hammarsund M, Corcoran MM, Wilson W, Zhu C, Einhorn S, Sangfelt O ve diğerleri. 13q14 tümör baskılayıcı lokusunda yer alan yeni bir B-CLL aday geninin (DLEU7) karakterizasyonu. ŞUBAT Letonya 2004 556: 75–80.

Brown JR, Hanna M, Tesar B, Pochet N, Vartanov A, Fernandes SM ve diğerleri. İki ailede CLL'nin Mendel kalıtımı ile ilişkili germ hattı kopya sayısı varyasyonu. Lösemi 2012 26: 1710–1713.

Palamarchuk A, Efanov A, Nazaryan N, Santanam U, Kızılağaç H, Rassenti L ve diğerleri. CLL'deki 13q14 silme işlemleri, işbirliği yapan tümör baskılayıcıları içerir. Kan 2010 115: 3916–3922.

Dal Bo M, Rossi FM, Rossi D, Deambrogi C, Bertoni F, Del Giudice I ve diğerleri. 13q14 silme boyutu ve silinen hücre sayısı, kronik lenfositik lösemide prognozu etkiler. Genler Kromozomlar Kanser 2011 50: 633–643.

Liu Y, Szekely L, Grander D, Soderhall S, Juliusson G, Gahrton G ve diğerleri. 13q14'te alelik delesyonlara sahip kronik lenfositik lösemi hücreleri, genellikle bir bozulmamış RB1 genine sahiptir: bitişik bir lokusun rolü için kanıt. Proc Natl Acad Sci ABD 1993 90: 8697–8701.

Stilgenbauer S, Dohner H, Bulgay-Morschel M, Weitz S, Bentz M, Lichter P. İnterfaz sitogenetik ile gösterilen B hücreli kronik lenfoid lösemide yüksek monoallelik retinoblastom gen silme sıklığı. Kan 1993 81: 2118–2124.

Shanafelt TD, Witzig TE, Fink SR, Jenkins RB, Paternoster SF, Smoley SA ve diğerleri. Tedavi edilmemiş erken evre kronik lenfositik lösemili hastaların uzun süreli takibi sırasında klonal evrimin prospektif değerlendirmesi. J Clin Oncol 2006 24: 4634–4641.

Malcikova J, Smardova J, Rocnova L, Tichy B, Kuglik P, Vranova V ve diğerleri. Kronik lenfositik lösemide TP53 geninin monoalelik ve bialelik inaktivasyonu: seçim, hayatta kalma üzerindeki etkisi ve DNA hasarına tepki. Kan 2009 114: 5307–5314.

Zenz T, Habe S, Denzel T, Mohr J, Winkler D, Buhler A ve diğerleri. Fludarabine dirençli kronik lenfositik lösemide (CLL) p53 yolu kusurlarının ayrıntılı analizi: prospektif bir klinik çalışmada 17p delesyonunun, TP53 mutasyonunun, p53-p21 işlev bozukluğunun ve miR34a'nın katkısını incelemek. Kan 2009 114: 2589–2597.

Rossi D, Cerri M, Deambrogi C, Sozzi E, Cresta S, Rasi S ve diğerleri. Kronik lenfositik lösemide TP53 mutasyonlarının prognostik değeri, Del17p13'ten bağımsızdır: genel sağkalım ve kemorefrakterlik için çıkarımlar. Klinik Kanser Araş. 2009 15: 995–1004.

Dohner H, Fischer K, Bentz M, Hansen K, Benner A, Cabot G ve diğerleri. p53 gen delesyonu, kronik B hücreli lösemilerde pürin analogları ile tedaviye yanıtsızlık ve kötü hayatta kalma durumunu öngörür. Kan 1995 85: 1580–1589.

Zenz T, Krober A, Scherer K, Habe S, Buhler A, Benner A ve diğerleri. Monoalelik TP53 inaktivasyonu, kronik lenfositik lösemide kötü prognoz ile ilişkilidir: uzun süreli takip ile ayrıntılı bir genetik karakterizasyondan kaynaklanır. Kan 2008 112: 3322–3329.

Dicker F, Herholz H, Schnittger S, Nakao A, Patten N, Wu L ve diğerleri. Kronik lenfositik lösemide TP53 mutasyonlarının tespiti, bağımsız olarak hızlı hastalık ilerlemesini öngörür ve karmaşık bir anormal karyotip ile yüksek oranda ilişkilidir. Lösemi 2009 23: 117–124.

Rosenwald A, Chuang EY, Davis RE, Wiestner A, Alizadeh AA, Arthur DC ve diğerleri. Kronik lenfositik lösemili hastaların fludarabin tedavisi, p53'e bağlı bir gen ekspresyon tepkisini indükler. Kan 2004 104: 1428–1434.

Tam CS, Shanafelt TD, Wierda WG, Abruzzo LV, Van Dyke DL, O'Brien S ve diğerleri. De novo silme 17p13.1 kronik lenfositik lösemi önemli klinik heterojenlik gösterir: M.D. Anderson ve Mayo Clinic deneyimi. Kan 2009 114: 957–964.

En İyi OG, Gardiner AC, Davis ZA, Tracy I, Ibbotson RE, Majid A ve diğerleri. TP53 anormallikleri ve mutasyona uğramış IGHV genleri olan Binet evre A KLL hastalarının bir alt kümesi, stabil hastalığa sahiptir. Lösemi 2009 23: 212–214.

Knight SJ, Yau C, Clifford R, Timbs AT, Sadighi Akha E, Dreau HM ve diğerleri. B hücreli kronik lenfositik lösemili hastalardan alınan eşleştirilmiş ön tedavi ve nüks numunelerinde tekrarlayan genomik anormalliklerin alt klonal dağılımlarının ölçümü. Lösemi 2012 26: 1564–1575.

Braggio E, Kay NE, Vanwier S, Tschumper RC, Smoley S, Eckel-Passow JE ve diğerleri. Kronik lenfositik lösemili hastaların boyuna genom çapında analizi, hastalığın ilerlemesinde ve nüks sırasında klonal mimarinin karmaşık evrimini ortaya koymaktadır. Lösemi 2012 26: 1698–1701.

Stilgenbauer S, Sander S, Bullinger L, Benner A, Leupolt E, Winkler D ve diğerleri. Kronik lenfositik lösemide klonal evrim: mutasyona uğramamış VH, tedaviye direnç ve kısa sağkalım ile ilişkili yüksek riskli genomik anormalliklerin edinilmesi. hematolojik 2007 92: 1242–1245.

Rossi S, Shimizu M, Barbarotto E, Nicoloso MS, Dimitri F, Sampath D ve diğerleri. Kromozom 17p delesyonu olan KLL hastalarının mikroRNA parmak izi, erken sağkalımı sınıflandıran bir miR-21 skorunu tanımlar. Kan 2010 116: 945–952.

Fegan C, Robinson H, Thompson P, Whittaker JA, Beyaz D. KLL'de karyotipik evrim: 11q delesyonu ve ilerlemiş veya ilerleyici hastalığı olan yeni bir hasta alt grubunun tanımlanması. Lösemi 1995 9: 2003–2008.

Neilson JR, Auer R, Beyaz D, Bienz N, Waters JJ, Whittaker JA ve diğerleri. 11q'deki delesyonlar, tutarlı hastalık progresyonu ve düşük sağkalım gösteren tipik KLL'li hastaların bir alt grubunu tanımlar. Lösemi 1997 11: 1929–1932.

Saiya-Cork K, Collins R, Parkin B, Ouillette P, Kuizon E, Kujawski L ve diğerleri. Kronik lenfositik lösemide insülin reseptörünün patobiyolojik rolü. Klinik Kanser Araş. 2011 17: 2679–2692.

Rossi D, Fangazio M, Rasi S, Vaisitti T, Monti S, Cresta S ve diğerleri. BIRC3'ün bozulması, TP53 vahşi tip kronik lenfositik lösemide fludarabin kemorefrakterliği ile ilişkilidir. Kan 2012 119: 2854–2862.

Mohr J, Helfrich H, Fuge M, Eldering E, Buhler A, Winkler D ve diğerleri. CLL'de DNA hasarına bağlı transkripsiyonel program: fonksiyonel p53 testi için biyolojik ve tanısal çıkarımlar. Kan 2011 117: 1622–1632.

Herling M, Patel KA, Weit N, Lilienthal N, Hallek M, Keating MJ ve diğerleri. Yüksek TCL1 seviyeleri, kronik lenfositik lösemide B-hücresi reseptör yolu yanıtının ve olumsuz sonucun bir belirtecidir. Kan 2009 114: 4675–4686.

Tsimberidou AM, Tam C, Abruzzo LV, O'Brien S, Wierda WG, Lerner S ve diğerleri. Kemoimmünoterapi, daha önce tedavi edilmemiş kronik lenfositik lösemili hastalarda 11q delesyonunun olumsuz prognostik öneminin üstesinden gelebilir. Yengeç Burcu 2009 115: 373–380.

Dohner H, Stilgenbauer S, James MR, Benner A, Weilguni T, Bentz M ve diğerleri. 11q delesyonları, geniş nodal tutulum ve kötü prognoz ile karakterize edilen yeni bir B hücreli kronik lenfositik lösemi alt kümesini tanımlar. Kan 1997 89: 2516–2522.

Shedden K, Li Y, Ouillette P, Malek SN. NOTCH1 ekson 34'te somatik olarak edinilmiş mutasyonlara sahip kronik lenfositik löseminin özellikleri. Lösemi 2012 26: 1108–1110.

Balatti V, Bottoni A, Palamarchuk A, Kızılağaç H, Rassenti LZ, Kipps TJ ve diğerleri. Trizomi 12 ile ilişkili CLL'deki NOTCH1 mutasyonları. Kan 2012 119: 329–331.

Lopez C, Delgado J, Costa D, Conde L, Ghita G, Villamor N ve diğerleri. İzole trizomi 12'li veya diğer kromozomal değişikliklerle ilişkili kronik lenfositik lösemide NOTCH1 mutasyonlarının farklı dağılımı. Genler Kromozomlar Kanser 2012 51: 881–889.

Del Giudice I, Rossi D, Chiaretti S, Marinelli M, Tavolaro S, Gabrielli S ve diğerleri. NOTCH1 mutations in +12 chronic lymphocytic leukemia (CLL) confer an unfavorable prognosis, induce a distinctive transcriptional profiling and refine the intermediate prognosis of +12 CLL. hematolojik 2012 97: 437–441.

Decker S, Zirlik K, Djebatchie L, Hartmann D, Ihorst G, Schmitt-Graeff A ve diğerleri. Trisomy 12 and elevated GLI1 and PTCH1 transcript levels are biomarkers for Hedgehog-inhibitor responsiveness in CLL. Kan 2012 119: 997–1007.

Zenz T, Vollmer D, Trbusek M, Smardova J, Benner A, Soussi T ve diğerleri. TP53 mutation profile in chronic lymphocytic leukemia: evidence for a disease specific profile from a comprehensive analysis of 268 mutations. Lösemi 2010 24: 2072–2079.

Puente XS, Pinyol M, Quesada V, Conde L, Ordonez GR, Villamor N ve diğerleri. Whole-genome sequencing identifies recurrent mutations in chronic lymphocytic leukaemia. Doğa 2011 475: 101–105.

Fabbri G, Rasi S, Rossi D, Trifonov V, Khiabanian H, Ma J ve diğerleri. Analysis of the chronic lymphocytic leukemia coding genome: role of NOTCH1 mutational activation. J Exp Med 2011 208: 1389–1401.

Trbusek M, Smardova J, Malcikova J, Sebejova L, Dobes P, Svitakova M ve diğerleri. Missense mutations located in structural p53 DNA-binding motifs are associated with extremely poor survival in chronic lymphocytic leukemia. J Clin Oncol 2011 29: 2703–2708.

Gaidano G, Ballerini P, Gong JZ, Inghirami G, Neri A, Newcomb EW ve diğerleri. p53 mutations in human lymphoid malignancies: association with Burkitt lymphoma and chronic lymphocytic leukemia. Proc Natl Acad Sci ABD 1991 88: 5413–5417.

Zainuddin N, Murray F, Kanduri M, Gunnarsson R, Smedby KE, Enblad G ve diğerleri. TP53 mutations are infrequent in newly diagnosed chronic lymphocytic leukemia. Leuk Res 2011 35: 272–274.

Johnson GG, Sherrington PD, Carter A, Lin K, Liloglou T, Field JK ve diğerleri. A novel type of p53 pathway dysfunction in chronic lymphocytic leukemia resulting from two interacting single nucleotide polymorphisms within the p21 gene. Kanser Res 2009 69: 5210–5217.

el Rouby S, Thomas A, Costin D, Rosenberg CR, Potmesil M, Silber R ve diğerleri. p53 gene mutation in B-cell chronic lymphocytic leukemia is associated with drug resistance and is independent of MDR1/MDR3 gene expression. Kan 1993 82: 3452–3459.

Wattel E, Preudhomme C, Hecquet B, Vanrumbeke M, Quesnel B, Dervite I ve diğerleri. p53 mutations are associated with resistance to chemotherapy and short survival in hematologic malignancies. Kan 1994 84: 3148–3157.

Gonzalez D, Martinez P, Wade R, Hockley S, Oscier D, Matutes E ve diğerleri. Mutational status of the TP53 gene as a predictor of response and survival in patients with chronic lymphocytic leukemia: results from the LRF CLL4 trial. J Clin Oncol 2011 29: 2223–2229.

Zenz T, Eichhorst B, Busch R, Denzel T, Habe S, Winkler D ve diğerleri. TP53 mutation and survival in chronic lymphocytic leukemia. J Clin Oncol 2010 28: 4473–4479.

Sorror ML, Storer BE, Sandmaier BM, Maris M, Shizuru J, Maziarz R ve diğerleri. Five-year follow-up of patients with advanced chronic lymphocytic leukemia treated with allogeneic hematopoietic cell transplantation after nonmyeloablative conditioning. J Clin Oncol 2008 26: 4912–4920.

Malek S . Clinical utility of prognostic markers in chronic lymphocytic leukemia. ASCO Education Book 2010 [review] 263–267.

Bullrich F, Rasio D, Kitada S, Starostik P, Kipps T, Keating M ve diğerleri. ATM mutations in B-cell chronic lymphocytic leukemia. Kanser Res 1999 59: 24–27.

Schaffner C, Stilgenbauer S, Rappold GA, Dohner H, Lichter P . Somatic ATM mutations indicate a pathogenic role of ATM in B-cell chronic lymphocytic leukemia. Kan 1999 94: 748–753.

Stankovic T, Weber P, Stewart G, Bedenham T, Murray J, Byrd PJ ve diğerleri. Inactivation of ataxia telangiectasia mutated gene in B-cell chronic lymphocytic leukaemia. lanset 1999 353: 26–29.

Austen B, Skowronska A, Baker C, Powell JE, Gardiner A, Oscier D ve diğerleri. Mutation status of the residual ATM allele is an important determinant of the cellular response to chemotherapy and survival in patients with chronic lymphocytic leukemia containing an 11q deletion. J Clin Oncol 2007 25: 5448–5457.

Ouillette P, Li J, Shaknovich R, Li Y, Melnick A, Shedden K ve diğerleri. Incidence and clinical implications of ATM aberrations in chronic lymphocytic leukemia. Genes Chromosomes Cancer 2012, (in press).

Austen B, Powell JE, Alvi A, Edwards I, Hooper L, Starczynski J ve diğerleri. Mutations in the ATM gene lead to impaired overall and treatment-free survival that is independent of IGVH mutation status in patients with B-CLL. Kan 2005 106: 3175–3182.

Cejkova S, Rocnova L, Potesil D, Smardova J, Novakova V, Chumchalova J ve diğerleri. Presence of heterozygous ATM deletion may not be critical in the primary response of chronic lymphocytic leukemia cells to fludarabine. Eur J Haematol 2009 82: 133–142.

Lozanski G, Ruppert AS, Heerem NA, Lozanski A, Luca DM, Gordon A ve diğerleri. Variations of the ATM gene in chronic lymphocytic leukemia patients lack substantial impact on progression-free survival and overall survival: a Cancer and Leukemia Group B Study. Leuk Lymphoma 2012 53: 1743–1748.

Balatti V, Bottoni A, Palamarchuk A, Alder H, Rassenti LZ, Kipps TJ ve diğerleri. NOTCH1 mutations in CLL associated with trisomy 12. Kan 2012 119: 329–331.

Rossi D, Rasi S, Fabbri G, Spina V, Fangazio M, Forconi F ve diğerleri. Mutations of NOTCH1 are an independent predictor of survival in chronic lymphocytic leukemia. Kan 2012 119: 521–529.

Rossi D, Bruscaggin A, Spina V, Rasi S, Khiabanian H, Messina M ve diğerleri. Mutations of the SF3B1 splicing factor in chronic lymphocytic leukemia: association with progression and fludarabine-refractoriness. Kan 2011 118: 6904–6908.

Brown JR, Levine RL, Thompson C, Basile G, Gilliland DG, Freedman AS . Systematic genomic screen for tyrosine kinase mutations in CLL. Lösemi 2008 22: 1966–1969.

Ngo VN, Young RM, Schmitz R, Jhavar S, Xiao W, Lim KH ve diğerleri. Oncogenically active MYD88 mutations in human lymphoma. Doğa 2011 470: 115–119.

Gahrton G, Robert KH, Friberg K, Zech L, Bird AG . Nonrandom chromosomal aberrations in chronic lymphocytic leukemia revealed by polyclonal B-cell-mitogen stimulation. Kan 1980 56: 640–647.

Juliusson G, Oscier DG, Fitchett M, Ross FM, Stockdill G, Mackie MJ ve diğerleri. Prognostic subgroups in B-cell chronic lymphocytic leukemia defined by specific chromosomal abnormalities. N İngilizce J Med 1990 323: 720–724.

Peterson LC, Lindquist LL, Church S, Kay NE . Frequent clonal abnormalities of chromosome band 13q14 in B-cell chronic lymphocytic leukemia: multiple clones, subclones, and nonclonal alterations in 82 midwestern patients. Genes Chromosomes Cancer 1992 4: 273–280.

Dohner H, Stilgenbauer S, Fischer K, Bentz M, Lichter P . Cytogenetic and molecular cytogenetic analysis of B cell chronic lymphocytic leukemia: specific chromosome aberrations identify prognostic subgroups of patients and point to loci of candidate genes. Lösemi 1997 11: S19–S24.

Dicker F, Schnittger S, Haferlach T, Kern W, Schoch C . Immunostimulatory oligonucleotide-induced metaphase cytogenetics detect chromosomal aberrations in 80% of CLL patients: A study of 132 CLL cases with correlation to FISH, IgVH status, and CD38 expression. Kan 2006 108: 3152–3160.

Put N, Konings P, Rack K, Jamar M, Van Roy N, Libouton JM ve diğerleri. Improved detection of chromosomal abnormalities in chronic lymphocytic leukemia by conventional cytogenetics using CpG oligonucleotide and interleukin-2 stimulation: a Belgian multicentric study. Genes Chromosomes Cancer 2009 48: 843–853.

Mayr C, Speicher MR, Kofler DM, Buhmann R, Strehl J, Busch R ve diğerleri. Chromosomal translocations are associated with poor prognosis in chronic lymphocytic leukemia. Kan 2006 107: 742–751.

Heerema NA, Byrd JC, Dal Cin PS, Dell’ Aquila ML, Koduru PR, Aviram A ve diğerleri. Stimulation of chronic lymphocytic leukemia cells with CpG oligodeoxynucleotide gives consistent karyotypic results among laboratories: a CLL Research Consortium (CRC) Study. Cancer Genet Cytogenet 2010 203: 134–140.

Muthusamy N, Breidenbach H, Andritsos L, Flynn J, Jones J, Ramanunni A ve diğerleri. Enhanced detection of chromosomal abnormalities in chronic lymphocytic leukemia by conventional cytogenetics using CpG oligonucleotide in combination with pokeweed mitogen and phorbol myristate acetate. Cancer Genet 2011 204: 77–83.

Huh YO, Schweighofer CD, Ketterling RP, Knudson RA, Vega F, Kim JE ve diğerleri. Chronic lymphocytic leukemia with t(1419)(q32q13) is characterized by atypical morphologic and immunophenotypic features and distinctive genetic features. Am J Clin Pathol 2011 135: 686–696.

Martin-Subero JI, Ibbotson R, Klapper W, Michaux L, Callet-Bauchu E, Berger F ve diğerleri. A comprehensive genetic and histopathologic analysis identifies two subgroups of B-cell malignancies carrying a t(1419)(q32q13) or variant BCL3-translocation. Lösemi 2007 21: 1532–1544.

Ueshima Y, Bird ML, Vardiman JW, Rowley JDA . 1419 translocation in B-cell chronic lymphocytic leukemia: a new recurring chromosome aberration. Int J Cancer 1985 36: 287–290.

Nguyen-Khac F, Chapiro E, Lesty C, Grelier A, Luquet I, Radford-Weiss I ve diğerleri. Specific chromosomal IG translocations have different prognoses in chronic lymphocytic leukemia. Am J Blood Res 2011 1: 13–21.

Van Den Neste E, Robin V, Francart J, Hagemeijer A, Stul M, Vandenberghe P ve diğerleri. Chromosomal translocations independently predict treatment failure, treatment-free survival and overall survival in B-cell chronic lymphocytic leukemia patients treated with cladribine. Lösemi 2007 21: 1715–1722.

Rigolin GM, Cibien F, Martinelli S, Formigaro L, Rizzotto L, Tammiso E ve diğerleri. Chromosome aberrations detected by conventional karyotyping using novel mitogens in chronic lymphocytic leukemia with ‘normal’ FISH: correlations with clinicobiologic parameters. Kan 2012 119: 2310–2313.

Visone R, Rassenti LZ, Veronese A, Taccioli C, Costinean S, Aguda BD ve diğerleri. Karyotype-specific microRNA signature in chronic lymphocytic leukemia. Kan 2009 114: 3872–3879.

Kanduri M, Cahill N, Göransson H, Enström C, Ryan F, Isaksson A ve diğerleri. Differential genome-wide array-based methylation profiles in prognostic subsets of chronic lymphocytic leukemia. Kan 2010 115: 296–305.

Herman SE, Gordon AL, Hertlein E, Ramanunni A, Zhang X, Jaglowski S ve diğerleri. Bruton tyrosine kinase represents a promising therapeutic target for treatment of chronic lymphocytic leukemia and is effectively targeted by PCI-32765. Kan 2011 117: 6287–6296.

Hoellenriegel J, Meadows SA, Sivina M, Wierda WG, Kantarjian H, Keating MJ ve diğerleri. The phosphoinositide 3′-kinase delta inhibitor, CAL-101, inhibits B-cell receptor signaling and chemokine networks in chronic lymphocytic leukemia. Kan 2011 118: 3603–3612.

Ponader S, Chen SS, Buggy JJ, Balakrishnan K, Gandhi V, Wierda WG ve diğerleri. The Bruton tyrosine kinase inhibitor PCI-32765 thwarts chronic lymphocytic leukemia cell survival and tissue homing in vitro and in vivo. Kan 2012 119: 1182–1189.


What is the meaning and significance of extreme pathways - Biology

Veri merkezimizde bakım nedeniyle 8 saat. Bu aralık, işin ilerlemesine bağlı olarak potansiyel olarak daha kısa olabilir. Verdiğimiz rahatsızlıktan dolayı özür dileriz. *** --> *** DAVID, veri merkezimizdeki bakım nedeniyle 24.06.2011 Cuma 17:00 EST'den 26.06.2011 Pazar 15:00 EST'ye kapalı olacaktır. Bu aralık, işin ilerlemesine bağlı olarak potansiyel olarak daha kısa olabilir. Verdiğimiz rahatsızlıktan dolayı özür dileriz. *** --> *** Çeşitli programlama dillerinden DAVID'e erişim sağlayan yeni DAVID Web Hizmetimiz için şu anda Beta kullanıcıları kabul ediyoruz. Erişim için lütfen bizimle iletişime geçin. *** --> *** Liste yükleme ve dönüştürme için Gen Sembolü eşlemesi değişti. Ayrıntılar için lütfen DAVID forum duyurusuna bakın. --> *** DAVID'e çeşitli programlama dillerinden erişim sağlayan yeni DAVID Web Hizmetinin duyurulması. Daha fazla bilgi. *** --> *** DAVID 6.8, 23.02.2016 Perşembe günü 09:00-13:00 EST arasında bakım nedeniyle kapalı olacak *** -->
*** DAVID 6.8'e hoş geldiniz ***
*** DAVID 6.7'yi arıyorsanız, lütfen geliştirme sitemizi ziyaret edin. ***
-->
*** Güncellenmiş Bilgi Bankası ile DAVID 6.8'e hoş geldiniz ( daha fazla bilgi). ***
*** DAVID 6.7'yi arıyorsanız, lütfen geliştirme sitemizi ziyaret edin. ***
-->
*** Güncellenmiş Bilgi Bankası ile DAVID 6.8'e hoş geldiniz ( daha fazla bilgi). ***
*** DAVID 6.7 sunucusu şu anda bakım nedeniyle kapalı. ***
--> *** Lütfen okuyun: Veri merkezi bakımı nedeniyle DAVID, 17 Haziran Cuma @ 16:00 EST'den 19 Haziran Pazar gününe kadar çevrimdışı olacak ve daha erken çevrimiçi olma olasılığı var. *** -->


Malzemeler ve yöntemler

DNA microarray data

The nine data sets used to compare the gene-set activation metrics were selected from eight studies in the GEO database. Each data set contained two relatively homogeneous subsets of samples. One study (GDS1329) provided two data sets. These subsets consisted of a baseline type and pathological samples or, in some cases, two different but related disease types. (Samples not in either subset were omitted from the comparisons.) We treated these single-channel data sets as ratio data sets by computing the median for each gene over all the baseline samples and dividing all expression values by the corresponding median and taking the base-10 logarithm. For each data set, Table 1 contains the GEO identifier and nature and sizes (in parentheses) of the two sample subgroups. In each data set the samples in Subgroup 1 constitute the baseline set.

To create the human body atlas, oligonucleotide probes were placed at each exon-exon junction of 11,138 RefSeq transcripts [35]. Purchased mRNA from 44 tissues in normal physiological state, pooled from multiple individuals, and 8 cell lines were amplified and labeled using a full-length amplification protocol and hybridized in duplicate in a two-color dye swap experiment[54]. In Johnson ve diğerleri. [35], six of 52 tissues contained data for only 80% of the genes. For five of these tissues (pancreas, kidney, Burkitt's lymphoma (Raji), lung carcinoma (A549), and melanoma (G361)), new hybridizations were performed here to fill in the missing data. After background normalization, the intensity value of each probe in each tissue was divided by the average intensity across all 52 tissues to determine a ratio, and then the log10 of that ratio used for further analysis. Standard deviations (SDs) for each intensity measurement were calculated using the equation:

SD = a + b ∗ i n t e n s i t y [email protected]@[email protected]@+=feaafiart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2Caerbhv2BYDwAHbqedmvETj2BSbqee0evGueE0jxyaibaiKI8=vI8tuQ8FMI8Gi=hEeeu0xXdbba9frFj0=OqFfea0dXdd9vqai=hGuQ8kuc9pgc9s8qqaq=dirpe0xb9q8qiLsFr0=vr0=vr0dc8meaabaqaciGacaGaaeqabaqadeqadaaakeaacaqGtbGaaeiraiabg2da9maakaaabaGaamyyaiabgUcaRiaadkgacqGHxiIkieGacaWFPbG[email protected][email protected]

nerede a = 100 and B = 0.2 were empirically derived from individual same-versus-same and same-versus-different hybridization experiments and represent single-hybridization, single-probe estimates of background (a) and fractional error (B). As we used multiple probes per gene and two hybridizations per sample pair (a dye-swap), final error estimates for gene expression are a combination of both propagation of this model measurement error and variance over the repeat measurements. These error estimates were then propagated to ratio and log10 ratio error estimates (Supplemental Tables T10 and T11 in Additional data file 2). Since the initial array design, NCBI has removed over 300 of the RefSeq transcripts from their databases. After removing these transcripts and any other transcripts currently unmapped to Entrez gene identifiers from our data set, the remaining 10,815 RefSeq transcripts map to 9,982 genes. Finally, using all gene-associated probes, we calculated an error-weighted average of log10 ratios for each gene in each tissue. Probe-level expression data have been deposited in the GEO database [35] (GSE740), and all gene and pathway expression data are available online [21].

Gene sets and coherence filtering

We compiled 1,281 gene sets from the 1 November 2004 Release of GO (241 from cellular component and 1,040 from biological process), and 117 gene sets from KEGG Release 33, downloaded 11 January 2005. The mean number of genes in each set was 23.8 ± 28.5 (mean ± SD minimum 1, maximum 159). To build the human pathway expression map we reduced these to 290 gene sets (23 from KEGG, 89 from the GO Cellular Component hierarchy, and 178 from the GO Biological Process hierarchy) by applying two filters. First, we required that each gene set retained contain at least five genes and no more than 200 genes. Second, we filtered gene sets based on their coherence, the percentage of total variance of the expression values within a gene set captured by the first principal component across all tissues. This idea has been discussed previously [20], although we used a different test for coherence here. To determine the appropriate cutoff for a gene set of size |S|, we generated 1,000 random gene sets of size |S|, and calculated the distribution of coherence values. The random-set coherence distribution was approximately normal, although its mean and standard deviation were size-dependent. Of the initial 1,401 gene sets, 290 had a coherence over the human body atlas data set that was more than 2.6 standard deviations greater than the mean of the random-set distribution for that size (corresponding to a one-sided p value of 0.005), and these 290 sets were retained for further analysis. The mean number of genes in these 290 coherent gene sets was 33.8 ± 32.9 (mean ± SD minimum 5, maximum 159).

Some of the 290 gene sets overlap in component genes, and some gene sets are subsets of others. This is due to the hierarchical nature of GO and functional overlap with gene sets in KEGG. Rather than merge these sets we kept them all in order to maximize the functional annotation conveyed by the gene set names. To measure the overlap between two gene sets we used the average of the two ratios of the number of genes in the intersection of the two gene sets to the total number of genes in each gene set. The overlap is most significant between gene sets in the same block ranging from a low of 7% in the Cell-selective block to a high of 85% in the Hemoglobin block with a mean within-block overlap over all 14 blocks of 31%.

Measuring gene set expression

We compared five gene-set activation metrics. Given a gene G, İzin Vermek x tgbe the expression value (log10 fold change, relative to background) for gene G in tissue T. İzin vermek S be the set of genes in a pathway. For tissue T, if <x tS> and <x T> are the mean of x tgover the genes in S and all the genes on the microarray, respectively, and σ Tis the standard deviation of x tgover all the genes on the microarray, then the Z-score activation metric used to measure the relative expression level of pathway S in tissue T NS:

Z t S = < X t S > − < X t > σ t | S | [email protected]@[email protected]@+=feaafiart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2Caerbhv2BYDwAHbqedmvETj2BSbqee0evGueE0jxyaibaiKI8=vI8tuQ8FMI8Gi=hEeeu0xXdbba9frFj0=OqFfea0dXdd9vqai=hGuQ8kuc9pgc9s8qqaq=dirpe0xb9q8qiLsFr0=vr0=vr0dc8meaabaqaciGacaGaaeqabaqadeqadaaakeaacaWGAbWaaSbaaSqaaiaadshacaWGtbaabeaakiabg2da9maalaaabaGaeyipaWJaamiwamaaBaaaleaacaWG0bGaam4uaaqabaGccqGH+aGpcqGHsislcqGH8aapcaWGybWaaSbaaSqaaiaadshaaeqaaOGaeyOpa4dabaGaeq4Wdm3aaSbaaSqaaiaad[email protected][email protected]

where |S| is the number of genes in S. Değeri Z is expressed in units of standard deviation and is a measure of violation of the null hypothesis that the genes in S are independently sampled from a distribution similar to that of all the genes on the microarray. If the null hypothesis is valid, then Z will have approximately a standard normal distribution, and so a large positive value of Z Tsuggests collective upregulation of the genes in S (which we consider to represent 'activation' of S) in tissue T a large negative value suggests collective downregulation. The normalization by | S | [email protected]@[email protected]@+=feaafiart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2Caerbhv2BYDwAHbqedmvETj2BSbqee0evGueE0jxyaibaiKI8=vI8tuQ8FMI8Gi=hEeeu0xXdbba9frFj0=OqFfea0dXdd9vqai=hGuQ8kuc9pgc9s8qqaq=dirpe0xb9q8qiLsFr0=vr0=vr0dc8meaabaqaciGacaGaaeqabaqa[email protected][email protected] makes comparison of different-sized gene sets possible and reflects the fact that, for larger gene sets, even a slight collective shift in fold change can be significant.

Çünkü Z-statistic essentially measures a shift in location (mean expression) for the genes in S, we compared its sensitivity to several other possible signed measures of location shift, which were created by modifying, where necessary, standard statistics with a sign to indicate the direction of expression change. The Wilcoxon Z statistic is a well-known statistic that is calculated according to a similar formula, but using the ranks of the x tgamong all genes in tissue T, rather than the actual fold changes. To calculate a signed KS statistic, we computed each of the two one-sided KS statistics, comparing the distribution of the expression values in S with the distribution of the genes on the microarray as a whole, and took the larger of the two statistics, with the appropriate sign. To calculate a hypergeometric P value, we used a threshold of two-fold differential expression (other threshold values showed qualitatively similar results, data not shown) to define an induced or repressed gene, and then calculated the probability that the relative enrichment of differentially expressed genes observed in a gene set in a particular tissue could have been observed by chance, using the hypergeometric distribution. To provide a sign for the hypergeometric P value, the calculation was done separately for the induced and repressed genes in each set, and the smaller of the two P value was used, as well as its 'sign' (negative if repressed genes were more enriched in the gene set than induced genes, positive otherwise). The relative insensitivity of the HG metric was little changed by varying the differential expression threshold. Finally, for the PCA statistic, we calculated bilgisayar1, the first principal component of the expression values of the genes in S across all tissues, and used the projection (scalar product) of the expression values in a tissue with bilgisayar1 as a measure of activation of the gene set in that tissue.

ROC comparison of activation metrics

We compared the five activation metrics for measuring gene set expression, and the individual genes in the expression data set, for their detection sensitivity. We applied each metric to measure the activation of the gene sets that met a coherence threshold (P ≤ 0.01, 0.05, 0.10, and 1.0) in each of the nine GEO data sets. For each data set we compared two classes that were known to be different (typically one class was normal and the other pathological). Each gene set was measured in each sample in each of the two classes by each metric. We used a two-sided Wilcoxon rank sum test for equal medians to test the null hypothesis that the activation metric values for each gene set in the two classes come from distributions with equal medians. The result of this test is quantified by the returned P değer. daha küçük P value, the more unlikely is the null hypothesis that the gene set median values are equal. We performed this test between the two classes for all gene sets. In a similar manner, we used the same test to compare individual gene expression values between the two classes. We used the P value from the two-sided Wilcoxon rank sum statistic to compute a false detection rate for each p value threshold using the adaptive method of Benjamini and Hochberg [55] and displayed the results using ROC curves [56]. The x-axis is the proportion of false positives the percent of gene sets that did not distinguish the two classes at the specified p value threshold. The y-axis is the true positive rate the percent of gene sets that did distinguish the two classes at the specified threshold. The interval of [0, 0.3] was chosen to correspond to what might be an acceptable FDR. The percent of true positives varies between data sets and is presumably indicative of the type(s) of biological differences between the two classes in each data set.


Videoyu izle: Kendini Nasıl Geliştirebilirsin? (Mayıs Ayı 2022).