Abstract
Bakgrunn
Nye rapporter viser at
in vitro
narkotika skjermer kombinert med genuttrykk profiler (GEP) kreftcellelinjer kan generere informative signaturer forutsi den kliniske resultatet av kjemoterapi. I multippelt myelom (MM) til en rekke nye medikamenter har blitt introdusert og nå flagget konvensjonell behandling inklusive høy dose melfalan. Følgelig kan dannelsen av prediktive signaturer for reaksjon med melfalan ha en klinisk virkning. Hypotesen er at melfalan skjermer og GEPs av B-celle kreft cellelinjer kombinert med multivariat statistikk kan gi prediktiv klinisk informasjon.
Materialer og metoder
Microarray basert GEPs og melfalan veksthemming skjermen av 59 kreftcellelinjer ble lastet ned fra National Cancer Institute database. Tilsvarende data ble samlet inn for 18 B-celle kreft cellelinjer. Lineære diskriminantfunksjoner analyser (LDA), ble sparsom Partial Least Squares (SPLS) og parvise sammenligninger med celle linje brukes til å bygge motstands underskrifter fra begge cellelinje paneler.
hovedfunnene
Begge cellelinje A melfalan motstand indeksen ble definert og beregnet for hver MM pasient i et offentlig tilgjengelige kliniske data satt og evalueres i ettertid av Cox og Kaplan-Meier overlevelsesanalyse. paneler gode resultater med hensyn til intern validering av SPLS tilnærming, men bare B-celle panel var i stand til å forutsi en betydelig høyere risiko for tilbakefall og død med økende motstand indeksen i de kliniske datasett. De mest følsomme og resistente cellelinjer, MOLP-2 og RPMI-8226 LR5 henholdsvis hadde høy belåning, noe som tyder på sine differensielt uttrykte gener å besitte viktig prediktiv verdi.
Konklusjon
Den nåværende studien viser et melfalan bestandighetsindeks som genereres ved analyse av en B-celle panel av kreftcellelinjer. Imidlertid må motstand indeksen for å være funksjonelt validert og korrelert til kjente MM biomarkører i uavhengige datasett for bedre å forstå mekanismen bak den beredskap til melfalan motstand
Citation. Boegsted M, Holst JM, Fogd K , Falgreen S, S Sørensen, Schmitz A, et al. (2011) Generering av et Predictive Melphalan Resistance Index av Drug Screen of B-celle kreft cellelinjer. PLoS ONE 6 (4): e19322. doi: 10,1371 /journal.pone.0019322
Redaktør: Venugopalan Cheriyath, Cleveland Clinic, USA
mottatt: 02.07.2010; Godkjent: 01.04.2011; Publisert: 29 april 2011
Copyright: © 2011 Boegsted et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Finansiering:. Forskningen støttes av MSCNET, en translasjonell program studere kreftstamceller i myelomatose støttes av EU FP6, og CHEPRE, et program studere kjemosensitivitet i malignt lymfom av genomisk signaturer støttes av den danske Agency for vitenskap, teknologi og innovasjon, samt det Obelske Familiefond og Karen Elise Jensen Fonden. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
alkyleringsmidlet, melfalan, er ryggraden i dagens behandling i MM. Siden 1990-tallet har melfalan blitt brukt i høy dose terapi (HDT) etterfulgt av autolog stamcelletransplantasjon (ASCT) [1] og har som sådan forbedret responsrate, samt langvarig hendelse overlevelse (EFS) og total overlevelse ( OS) [2]. Selv om de siste årene har sett betydelige forbedringer, forblir total overlevelse sturen og sykdommen regnes som uhelbredelig – hovedsakelig på grunn av en innledende refraktær sykdom eller indusert motstand fører til sykdom tilbakefall. Refraktær sykdom og tidlig tilbakefall blir betraktet i forbindelse med utvikling av resistens melfalan, som er et komplekst fenomen ikke er helt forstått [3]. En mulig strategi for å bedre kunnskapen om narkotika motstand er den kombinerte bruk av nye teknologier, inkludert GEP og narkotika skjermen i en preklinisk ondartet B-celle kreft cellelinje modell [4].
Den grunnleggende ideen om nyere studier på legemiddelresistens har vært å kategorisere cellelinjer inn sensitive, motstandsdyktig og mellom grupper basert på respons eksperimenter narkotika dose og deretter å generere en genetisk klassifikator eller signatur basert på microarray analyse. Offentlig tilgjengelige data fra NCI60 cellelinje panel generert av National Cancer Institute (NCI) har blitt brukt mye i slike studier for ulike krefttyper og behandlingsregimer. Imidlertid gjenstår tilnærming kontroversielle [5], [6]. Flere forfattere har hevdet at ytelsen kan forbedres ved en bestemt cellelinje panel. En slik tilnærming ble brukt av Lee et al. [7] og Liedtke et al. [8] for blære og brystkreftsvulster, henholdsvis. Den vellykkede tilnærmingen av Lee et al. [7] var basert på valg av genekspresjon for organ spesifikke cellelinjer som korrelerer med genekspresjon i pasientmaterialet før utvikle sin klassifiserer av en feilklassifisering-straffet posterior algoritme. Imidlertid Liedtke et al. [8] var ikke i stand til å forutsi utfallet av kjemoterapi respons med en tilnærming basert på diagonal lineær diskriminant analyse (DLDA) for klassifisering.
Konseptet med denne studien er at melfalan motstand i MM kan studeres i et preklinisk modell av maligne B-celle kreft cellelinjer ved å kombinere narkotika-skjermer og GEPs og generere et gen signatur for motstand, noe som klinisk kan valideres ved å forutsi utfallet for svulster som ble analysert før høydose melfalan og ASCT. En slik strategi innebærer intensiv datagenerering i laboratoriet og etterfølges av bruk av data management og avansert statistisk analyse [5], [6]. I denne studien har vi implementert reproduserbarhet ved skripting hele dataanalyse flyten i R og Bioconductor.
I sammendraget, de spesifikke målene for denne studien var å utvikle en melfalan motstand genet indeksen ved bruk av 1) offentlig tilgjengelig cellelinje panel NCI60 eller 2) et panel av B-cellecancercellelinjer og 3) for å støtte konseptet om tilgjengelige «on-line» mikromatriser og kliniske datasettet fra MM pasienter behandlet med dobbel høy dose melfalan [9].
Materialer og metoder
Den NCI60 cellelinje Panel
Den NCI60 cellelinje skjermen metoden er utviklet av NCI og tjener til å screene et stort antall stoffer for cytotoksisk aktivitet. Panelet består av 59 cellelinjer avledet fra forskjellige krefttyper [10], [11]. De genuttrykk data og kjemoterapi følsomhet data er offentlig tilgjengelig. For mer informasjon, se den elektroniske informasjonen nedenfor. I denne studien har vi brukt GI
50 verdi som er definert av NCI [12].
B-celle kreft cellelinjer og dyrking betingelser
BCell panel besto av 13 MM celle linjer, en plasmacytom (PC) cellelinje og 4 diffus stor B-celle lymfom (DLBCL) cellelinjer. Cellelinjene ble dyrket under standard betingelser ved 37 ° C; i en fuktig atmosfære med 95% luft /5% CO
2 med det passende medium, føtalt bovint serum (FBS) og 1% penicillin /streptomycin tilsetning. Se tabell S1. Cellelinjene ble opprettholdt for maksimalt 20 passeringer for å minimere eventuelle langtidsdyrknings effekter. Penicillin /streptomycin 1%, RPMI 1640, IMDM og FBS ble kjøpt fra Invitrogen. Cellelinjene KMM-en og KMS-11 ble oppnådd fra JCRB (japansk Innsamling av forsknings Bioressurser), og KMS-12-PE, KMS-12-BM, LP-en, MM1S, MOLP-2, MOLP-8, NCI -H929, OPM-2, RPMI-8226, U-266, AMO-en, DB, HT og SU-DHL-4 fra DSMZ (Deutsche Sammlung von Mikroorganismen und Zellkulturen). Cellelinjen MM1S ble gitt av Steven T. Rosen [13], RPMI-8226 LR5 av William S. Dalton [14] og OCI-Ly7 av Hans Messner [15].
melfalandosen Response Eksperimenter
celle nummer i kulturen ble bestemt ved absorbansmålinger (CellTiter 96 Aqueous One Solution Reagent, Promega) som beskrevet av fabrikanten. Det lineære forholdet mellom absorbans og celletall ble oppnådd ved såing av cellene i 96-brønners plater med den passende medium i konsentrasjoner som varierte mellom 15-60000 celler /brønn. De 18 cellelinjer ble inkubert i 24 timer før tilsetning av 18 økende konsentrasjoner av melfalan i triplikater. Alle brønnene ble sådd med celler, men grensen effekter ble omgått ved å inkludere bare ikke-grense brønner for analyse. Den melfalan ble løst i etanol, noe som resulterer i en sluttetanolkonsentrasjon på 0,06% i mediet. Det relative celleantall ble målt 48 timer etter tilsetningen av melfalan hjelp av CellTiter reagens og Optima-Fluostar (BMG LABTECH) ved 492 nm. For å oppnå høy reproduserbarhet, ble hele eksperimentet gjentas minst to ganger i bruk nye fryse bestander av de enkelte cellelinjer.
RNA Microarray Analyse
Alle GEPs ble utført ved anvendelse av Affymetrix microarray plattformen og standard fremgangsmåter . Total RNA ble ekstrahert ved hjelp av Invitrogen TRIzol Reagens kombinert med Qiagen RNeasy Mini kit. Kvaliteten ble sjekket av Agilent 2100 Bioanalyzer. Prøvene ble fremstilt for hybridisering til Affymetrix Genechip HG-U133 Plus 2,0 arrays etter produsentens anvisninger og .CEL-filer ble generert av Affymetrix Genechip kommandokonsollen programvare (AGCC) og avsatt på NCBI Gene Expression Omnibus (GEO) depotet. Dataene oppfylle kravene til å være MIAME kompatibel. For mer informasjon, se den elektroniske informasjonsseksjonen.
Arkansas og Hummel kohorter av MM og DLBCL Pasienter
genuttrykk data, EFS, og OS-data for 565 pasienter diagnostisert med progressiv eller symptomatisk MM er offentlig tilgjengelig. For mer informasjon, se den elektroniske informasjonsseksjonen. Datasettet er kjent som «Arkansas data» [16]. Pasientene ble registrert av myelom institutt for forskning og terapi, University of Arkansas, School of Medical Sciences, og de var en del av en større studie med det formål å undersøke om thalidomid i kombinasjon med HDT kan forlenge overlevelsen hos pasienter med MM [9 ]. De 565 pasienter ble behandlet i henhold til den totale behandlings to (TT2) eller total terapi tre (TT3) protokoll inkludert dobbel høy dose melfalan og ASCT.
Datasettet kalles «Hummel data» [17] ble anvendt i foreliggende studie for å teste spesifisiteten av den identifiserte bestandighetsindeks. De 87 pasientene ble diagnostisert med DLBCL og fikk en CHOP-lignende (cyklofosfamid, doxorubicin, vinkristin og prednison) induksjonsbehandling. Genuttrykk og OS-data er offentlig tilgjengelig så vel (for mer informasjon, se den elektroniske informasjonsseksjonen).
Statistical Analysis
Full dokumentasjon av den statistiske analysen er levert av en Sweave dokument, se tekst S1. Sweave er en funksjon i den statistiske programmeringsspråket R som muliggjør integrasjon av R-kode inn i LaTeX og dermed det gir reproduserbare data analyse og forskning [18]. Alle statistiske analyser ble gjort med R [19] versjon 2.12.1 og en rekke Bioconductor [20] pakker. Detaljert økt informasjon finnes i Tekst S1.
melfalandosen Response Analyse.
De absorbans verdier som stammer fra responsforsøk dose ble bakgrunn korrigert og midlet over replikater. Eventuelle uteliggere blant triplicated cellekonsentrasjoner ble fjernet av Grubbs «test [21] (ca. 0,5%, se tekst S1). Relative vekst inhiberingskurver ble beregnet for hver konsentrasjon i forhold til den ubehandlede kontroll, hvoretter en stykkevis lineær vekstkurve ble modellert. Gjennom visuell inspeksjon, ble fem ekstreme verdier fjernet (figur S1). GI
50 Verdiene av cellelinjer i BCell panel ble definert som det første punktet ved hvilket vekstkurven synker under 50% nivået. Data ble midlet over replikert cellelinje målinger for å utføre denne analysen. Usikkerheten av GI
50 verdiene ble vurdert av undersampling de replikerte brønner med erstatning og en re-beregning av alle GI
50-verdier 200 ganger. Den 10-ganger logaritmen av GI
50-verdier ble omdannet til stokken
10 uM skala for begge cellelinje paneler og anvendt som en melfalan bestandighetsindeks – i det følgende betegnet den NCI60 indeksen og BCell indeks, respektivt . Som et middel til å skille mellom sensitive, middels og resistente individer (cellelinjer eller enkeltpersoner) i en befolkning, valgte vi kriteriet Havaleshko et al. [22], der et motiv er motstandsdyktig hvis sin motstand indeksen overstiger 75 persentil av befolkningen. Tilsvarende har vi definert et emne for å være sensitive om sin motstand indeksen var mindre enn 25 persentil av befolkningen. De resterende fagene ble karakterisert som å ha middels motstand.
Mikromatrise Pre-prosessering.
BCell .CEL-filer og de nedlastede NCI60 .CEL-filer ble bakgrunn korrigert og normalisert ved like. rma funksjon fra AFFY pakken. Alle RMA-normalisert arrays bestått statistisk kvalitetskontroll levert av funksjons arrayQualityMetrics i R-pakken arrayQualityMetrics [23]. Som NCI60 panelet ble analysert på HG-U133a matrise og BCell på HG-U133 Plus 2.0 array, fokus var på sonder bare til stede på HG-U133A array. De Arkansas data ble også bakgrunn korrigert og normalisert med just.rma.
Differensial Expressions.
Etter uspesifikke filtrering av genuttrykk data, ble cellelinjene rangert som bestandig, middels eller sensitive i henhold til deres GI
50 verdier. Transkripsjoner som uttrykte signifikante forskjeller mellom gruppene av de mest følsomme og mest resistente cellelinjer ble bestemt med moderert F-tester som gjennomføres i Bioconductor pakken limma [24]. Gener med en P-verdi under 0,05 ble ansett for å ha prediktiv verdi. P-verdiene ble bevisst valgt i stedet for falske funnrate som formålet var å konstruere en motstand klassifikator og ikke å detektere differensielt uttrykte gener. De differensielt uttrykte genene ble skalert til å ha null middelverdi og standardavvik en. En klassifikator ble bygget av de skalerte gener og lineær diskriminant analyse (LDA) som er implementert i R-pakken sda [25]. For å unngå problemer invertere store kovariansmatrisene, ble maksimalt 400 gener i sda valgt.
multivariat regresjon.
Genene ble filtrert i henhold til sikker uavhengighet screening (SIS), dvs. at alle genene var rangeres i henhold til den Pearson korrelasjonskoeffisient mellom dens genekspresjon og bestandighetsindeks. Alle gener, som P-verdien av testen for null korrelasjon var over 0,05, ble ansett for dimensionality reduksjon av SPLS [26]. For å få sparsity, straffer SPLS de transformerte inngangs vektorer ved å tvinge små koeffisienter å være null. Den rene SPLS Formuleringen inneholder fire justeringsparametere, men ifølge Chun et al. [26], en enkel formulering SPLS regresjon, som bare er avhengig av en parameter
η
, er å kontrollere sparsity av oppløsningen og antallet av skjulte komponenter
K
. For spesielle valg av regularisering parameter
η Hotell og skjulte komponenter
K
ytelsen ble evaluert av leave-one-out kryss valideringer. Den optimale konfigurasjon av parameterne ble valgt til å være settet minimaliserer den midlere kvadrerte prediksjonsfeil (MSPE). Når de optimale parameterne er blitt valgt internt fra cellelinjer, kan den bestandighetsindeks forutsies for emnene gjennom en lineær kombinasjon av de skalerte genekspresjon med koeffisientene beregnet av SPLS [27]. Den SPLS analyse og spådommer utføres med R-pakken SPLS tilbys av Chun et al. [26].
Uavhengig Filtrering.
Det er velkjent at uavhengig filtrering øker deteksjons kraft for high-throughput eksperimenter [28]. For å undersøke hvorvidt uavhengig filtrering ville øke nøyaktigheten og prediksjonsfeil, en uspesifikk filtrering, drar ut gener med lav variasjon i de NCI60 og BCell genekspresjon, ble utført med funksjonen nsFilter fra Bioconductor pakken genefilter. De cut-off-verdier varierte mellom 0% og 100%, og vi valgte cut-off verdi som gjorde det best i forhold til kryss validert nøyaktighet for LDA og MSPE for SPLS. For å undersøke om noen prediktiv kraft igjen etter filtrering, ble kryssvalidering utført for de valgte parametrene.
Survival Analysis.
Kaplan-Meier overlevelsesanalyse, logrank test og Cox-modeller ble beregnet med funksjoner fra R-pakken survfit. En ikke-lineær sammenheng mellom den forutsagte responsen på behandlingen og motstandsindeksen ble lagt merke til og forholdet ble bestemt ved restriksjons kubiske spline (RKS) ved hjelp av R-pakken Design [29]. Signifikansnivået er satt til 0,05 og hazard ratio (HR) er gitt med 95% konfidensintervall.
Online Information
Detaljer om nødvendig og deponert på nett informasjon er beskrevet nedenfor.
The BCell Gene Expression data.
.CEL filer for 18 cellelinje mikromatriser er blitt deponert på https://www.ncbi.nlm.nih.gov/geo/henhold GEO tiltredelse nummer GSE22759. Dataene oppfylle kravene til å være MIAME kompatibel
The NCI60 Gene Expression data
.CEL-filer for NCI60 cellelinje mikromatriser ble lastet ned fra http:.. //www.ncbi.nlm .nih.gov /geo /mindre GEO sjonsnummer GSE5720 ved å velge delsett av data som stammer fra HG-U133A array. Cellelinjen IGROV1 er gitt i dublicates – i denne studien replikere A21 brukes. Dataene oppfylle kravene til å være MIAME kompatibel. Legg merke til at vi har renormalized de .CEL filene som beskrevet i avsnittet Materialer og metoder.
The NCI60 DTP data.
DTP menneskelige kreftcellelinje screeningdata (august 2008 utgivelsen) ble oppnådd ved å laste ned filen cancer60gi50.lis fra nettsiden: https://dtp.nci.nih.gov/docs/cancer/cancer_data.html. Deler av manuset for utpakking NCI60 medikamentrespons har blitt utviklet av Kevin Coombes og Keith Baggerly og kan lastes ned fra nettsiden https://bioinformatics.mdanderson.org/Supplements/ReproRsch-Chemo/.
The Arkansas Gene Expression og kliniske data.
.CEL filer for genuttrykk data og klinisk informasjon er tilgjengelig på https://www.ncbi.nlm.nih.gov/geo/henhold GEO sjonsnummer GSE24080. Dataene oppfylle kravene til å være MIAME kompatibel. De .CEL filene er renormalized som beskrevet i Materialer og metoder §
The Hummel Gene Expression og kliniske data
.CEL filer og klinisk informasjon er tilgjengelig på http:.. //Www. ncbi.nlm.nih.gov/geo/henhold GEO sjonsnummer GSE4475. Dataene oppfylle kravene til å være MIAME kompatibel. De .CEL filene er renormalized som beskrevet i avsnittet Materialer og metoder.
Resultater
Den NCI60 Panel Resistance Index
I kort oppsummering, dose-responsdata for melfalan ble lastet ned . Et plott av dataene er vist på fig S2. De 59 cellelinjer viste GI
50 verdier fra -5,77 til -3,99 på loggen
10 mm /ml skala -. De mest sensitive cellelinje som SR og de mest motstandsdyktige cellelinje blir A498
Utvikling av B-Cell Resistance Index
doserespons forsøkene ble utført, og plott av data samt montert kurver er vist i figur 1A. De 18 cellelinjer viste GI
50 verdier fra -6,02 til -4,13 på loggen
10 mm /ml skala – det mest følsomme cellelinje som MOLP-2 og de mest motstandsdyktige cellelinje som RPMI-8226 LR5 . Figur 1B viser boks plott av det midlere GI
50 verdi fra re-samplede dose-responskurver for alle 18 B-celle kreft-cellelinjer. Som noen klar forskjell mellom en motstandsdyktig og sensitiv gruppe av cellelinjer ble oppdaget, 25% /50% /25% delt beskrevet i avsnittet Materialer og metoder ble valgt, det vil si de fem cellelinjer med lavest GI
50-verdier ble betegnet følsom og de fem cellelinjer med høyest GI
50-verdier ble betegnet motstandsdyktig.
A) fordelt dose-responskurver for hver cellelinje. B) Box tomt på 200 resampled GI
50 verdier for hver cellelinje. Cellelinjene er rangert etter deres antatte GI
50 verdi.
Klassifiserings Basert på LDA
For NCI60 panel, en LDA basert klassifikator ble bygget som skissert i materialer og metoder, for mer informasjon se tekst S1. Den LDA basert klassifikator viste dårlig intern validering (Figur S3). Den optimale nøyaktighet (bestemt ved leave-on-out kryss-validering) på 0,6 ble oppnådd for BCell panelet ved en filtreringshastighet på 0,95, i hvilket tilfelle moderert F-test ga 159 gener (tabell S2). LDA ble anvendt til å kombinere de 159 genene for å utvikle en klassifikator. Klassifikator viste 60% totalt leave-one-out-kryssvalidering nøyaktighet for cellelinjene som det ble utviklet.
Cross-Validere SPLS Model
Etter uspesifikke filtreringsfremgangsmåten var oppnådd, SPLS ble brukt for å oppnå spesifikk filtrering. For å unngå oversittende og støy bidrar genene, ble antall skjulte komponenter og probesets valgt av leave-on-out kryssvalidering. Den optimale antallet probesets og komponenter ble funnet på verdiene der minimal MSPE ble oppnådd. For NCI60 panel, ble en rimelig intern validering observert (figur S4). For BCell panel, to skjulte komponenter og 19 probesets gitt best MSPE (figur S5). Den innflytelse av en enkelt celle linje på prognosemodellen ble undersøkt ved å plotte spådd motstandsverdien som stammer fra leave-one-out-kryssvalidering versus den målte motstanden indeksen (figur S6). De mest følsomme og resistente cellelinjer MOLP-2 og RPMI-8226 LR5, henholdsvis, viste seg å være høy leverage poeng.
Stabilitet Evaluering
For å se hvordan SPLS regresjon takler støy, BCell panel ble brukt til å velge 20 probesets tilfeldig blant de 100 probesets med høyest marginal krets (absoluttverdien av Pearson korrelasjonskoeffisient) med den bestandighetsindeks. For å holde den avhengighet struktur mellom probesets intakt, disse ble tilfeldig forstyrret, med unntak av 20 probesets. Koeffisientene av probesets er vist som en funksjon av regularisering parameter
η
i figur S7. For dette eksempelet, det optimale antallet spredte Partial Least Squares komponenter var
K =
3 og optimal regularisering parameter var
η =
0.83. Elleve probesets ble valgt, som oppviser en gjennomsnittlig sensitivitet på 55%, en spesifisitet på 99% og en falsk oppdagelse rate på 63%. Forsøket ble gjentatt 100 ganger, og ga i gjennomsnitt en sensitivitet på 54%, en spesifisitet på 99% og en falsk oppdagelse rate på 67%.
Sammenligning av de mest følsomme og resistente cellelinjer
på grunn av den høye påvirkning av de mest sensitive cellelinjen, MOLP-2, og de mest motstandsdyktige cellelinjen RPMI-8226 LR5, en direkte sammenligning av disse to cellelinjene ble gjort. Dette ble gjort ved å sortere genene i henhold til deres absolutte forskjell i genekspresjon og å velge (helt tilfeldig) 100 gener med de høyeste absoluttdifferensialuttrykk. En logisk bestandighetsindeks ble konstruert ved å ta differansen i genekspresjon som vekt. Genene og deres vekter er vist i saksdokumenter (tabell S3).
Ekstern validering på kliniske prøver
EFS og OS ble valgt som endepunkter med hypotesen om at melfalan motstand er korrelert til disse endepunktene. For NCI60 og BCell paneler ble LDA og SPLS modeller samt modell bestående av de to innflytelsesrike cellelinjer i BCell panelet brukes til å anslå melfalan motstand indeks for hver av Arkansas pasientene.
For LDA basert spådommer basert på NCI60 panelet ingen signifikant forskjell ble observert med hensyn til OS og EFS for de antatt sensitive, middels og resistente pasientgrupper (figur S8 og S9). For de NCI60 og SPLS basert spådommer ingen signifikant forskjell ble funnet for de antatt sensitive, middels og resistente grupper samt spådd log relativ fare for OS og EFS for Arkansas pasientdata. Se figur 2A og C og figur 3A og C, henholdsvis.
A) Kaplan Meier overlevelseskurver basert på NCI60. B) Kaplan Meier overlevelseskurver basert på BCell.
