亚型发现与算法开发
识别DLBCL的遗传亚型，并开发基于概率的LymphGen分类算法。
使用GenClass算法对NCI队列的574例样本进行亚型发现，定义了MCD、BN2、EZB、N1、A53和ST2六个亚型；随后开发LymphGen算法，使用贝叶斯模型计算样本属于各亚型的概率。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
一种用于弥漫性大B细胞淋巴瘤遗传亚型分类的概率性工具及其治疗意义
A Probabilistic Classification Tool for Genetic Subtypes of Diffuse Large B Cell Lymphoma with Therapeutic Implications
实验完整度
高研究包含算法开发和验证、基因表达特征分析、CRISPR功能筛选、体内异种移植实验等多个独立证据层级，明确了不同亚型的遗传和功能特征。
主要模型
MCD亚型细胞系（TMD8、HBL1、OCI-Ly10） BN2亚型细胞系（Riva） EZB亚型细胞系（OCI-Ly1、SUDHL4、WSU-DLCL2） NSG小鼠异种移植模型
重点核对
LymphGen算法中的亚型定义特征（如MCD中的MYD88L265P和CD79B突变） CRISPR筛选中的sgRNA文库（Brunello）和转导条件（MOI<0.3，500x覆盖） 异种移植实验中ibrutinib给药剂量（3、6或5 mg/kg/天）和持续时间（12天） 免疫印迹分析中的抗体（如抗pY182-CD79A等） 验证队列（Harvard和BCC）的遗传数据类型和标准化方法
摘要
弥漫性大B细胞淋巴瘤（DLBCL）精准医学方法的发展因其显著的遗传、表型和临床异质性而受到干扰。最近的多平台基因组研究利用聚类方法揭示了DLBCL遗传亚型的存在。在此，我们描述了一种算法，该算法根据患者的淋巴瘤遗传特征确定其属于七种遗传亚型之一的概率。这种分类揭示了这些DLBCL亚型与各种惰性和结外淋巴瘤类型之间的遗传相似性，提示共同的发病机制。这些遗传亚型也具有不同的基因表达谱、免疫微环境和免疫化疗后的结局。遗传亚型模型的功能分析突出了对靶向治疗的不同脆弱性，支持在精准医学试验中使用这种分类。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何根据遗传特征对DLBCL进行概率性亚型分类，并评估这些亚型的临床和治疗意义？
- 核心机制
- DLBCL的遗传亚型（MCD、BN2、EZB、ST2、A53、N1）通过不同的信号通路驱动，如BCR依赖的NF-κB信号（MCD、BN2）、表观遗传失调（EZB）、TP53失活（A53）等。
- 主要证据
- 利用NCI队列（574例）开发并验证了LymphGen算法，并在Harvard（304例）和BCC（332例）队列中重复；通过基因表达谱分析显示了亚型间的表型和微环境差异；CRISPR功能筛选和异种移植模型揭示了亚型对靶向治疗（如ibrutinib）的不同敏感性。
- 研究意义
- LymphGen分类可应用于DLBCL临床试验，有助于识别潜在的靶向治疗获益亚型，促进精准医学研究。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
分类验证
验证LymphGen在独立队列中的可重复性。
将LymphGen应用于Harvard（n=304）和BCC（n=332）验证队列，比较亚型频率、遗传特征和生存关联。
基因表达谱分析
表征遗传亚型的表型差异，包括基因表达签名和肿瘤微环境。
对NCI队列的RNA-seq数据计算基因表达签名，比较亚型间的增殖、MYC活性、代谢、免疫细胞浸润等签名表达。
功能基因组学分析
鉴定遗传亚型对靶向治疗的依赖性。
使用CRISPR-Cas9功能失活筛选和免疫印迹分析BCR信号通路，并构建异种移植模型评估ibrutinib疗效。
生存分析
评估遗传亚型与患者生存期的关联。
使用Kaplan-Meier分析和Cox比例风险模型比较不同亚型的总生存期。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证免疫效应
验证机制链路
评估体内效果
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | Advanced RPMI培养基 | GIBCO | -- |
| DMEM培养基 | GIBCO | -- | |
| 胎牛血清 | Atlanta Biologics | -- | |
| 青霉素/链霉素 | GIBCO | -- | |
| L-谷氨酰胺 | GIBCO | -- | |
| 细胞系验证 | MycoAlert支原体检测试剂盒 | Lonza | Cat. #LT07-318 |
| 药物处理 | 伊布替尼 | MedChemExpress | Cat. #HY-10997 |
| 病毒包装 | pMD2.G质粒 | Addgene | Cat. #12259 |
| psPAX2质粒 | Addgene | Cat. #12260 | |
| Trans-IT 293T转染试剂 | Mirus | Cat. #6603 | |
| Lenti-X浓缩器 | CloneTech | Cat. #631231 | |
| CRISPR筛选 | Brunello双载体sgRNA文库 | Addgene | Cat. #73178 |
| 血液和细胞培养DNA Maxi试剂盒 | Qiagen | Cat. #13362 | |
| 免疫印迹 | Immobilon-p PVDF膜 | Millipore | Cat. #IPVH00010 |
| 文库制备 | Ex Taq DNA聚合酶 | TaKaRa | Cat. #RR006 |
| E-Gel SizeSelect II 2%琼脂糖凝胶 | Invitrogen | Cat. #G661012 | |
| 文库定量 | Qubit双链DNA高灵敏度检测试剂盒 | ThermoFisher | Cat. #Q32851 |
| 测序 | NextSeq500测序仪 | Illumina | -- |
| 免疫印迹 | 抗pY182-CD79A抗体 | Cell Signaling Technologies | Cat. #5173 |
| 抗CD79A抗体 | Cell Signaling Technologies | Cat #3351 | |
| 抗pY416-Src家族抗体 | Cell Signaling Technologies | Cat #2101 | |
| 抗pY323-SYK抗体 | Cell Signaling Technologies | Cat. #2715 | |
| 抗SYK抗体 | Cell Signaling Technologies | Cat. #13198 | |
| 抗pY223-BTK抗体 | Cell Signaling Technologies | Cat. #5082 | |
| 抗BTK抗体 | Cell Signaling Technologies | Cat. #8547 | |
| 抗IgM-HRP抗体 | Bethyl | Cat. #A80–100P | |
| 抗肌动蛋白抗体 | Santa Cruz Biotechnologies | Cat. #sc-1615 | |
| 药物处理 | 伊布替尼 | Selleckchem | -- |
| 二甲基亚砜 | Sigma | -- | |
| 动物实验 | NSG小鼠 | Jackson Laboratory | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 细胞培养 | 培养基（Advanced RPMI或DMEM）、血清、谷氨酰胺、青霉素/链霉素的浓度和来源 阅读提示：STAR Methods：细胞系 |
| CRISPR筛选 | sgRNA文库（Brunello）、感染复数（MOI）、覆盖度（500x）、筛选时间（21天） 阅读提示：STAR Methods：CRISPR筛选 |
| 免疫印迹 | 抗体（如抗pY182-CD79A等）及其稀释比例、封闭条件、膜类型 阅读提示：STAR Methods：磷酸化蛋白分析 |
| 动物实验 | 细胞注射数量、小鼠品系（NSG）、给药剂量和途径 阅读提示：STAR Methods：小鼠异种移植实验 |
| 生存分析 | 队列选择、终点定义（总生存期/疾病特异性生存期）、统计模型（Cox） 阅读提示：STAR Methods：量化与统计分析 |