Authors:
László Pajor Pécsi Tudományegyetem, Klinikai Központ, Pathologiai Intézet, Pécs, Magyarország

Search for other papers by László Pajor in
Current site
Google Scholar
PubMed
Close
https://orcid.org/0000-0002-3889-7218
,
József Kun Pécsi Tudományegyetem, Szentágothai János Kutatóközpont, Bioinformatikai Kutatócsoport, Pécs, Magyarország

Search for other papers by József Kun in
Current site
Google Scholar
PubMed
Close
,
Róbert Herczeg Pécsi Tudományegyetem, Szentágothai János Kutatóközpont, Bioinformatikai Kutatócsoport, Pécs, Magyarország

Search for other papers by Róbert Herczeg in
Current site
Google Scholar
PubMed
Close
,
Bence Gálik Pécsi Tudományegyetem, Szentágothai János Kutatóközpont, Bioinformatikai Kutatócsoport, Pécs, Magyarország

Search for other papers by Bence Gálik in
Current site
Google Scholar
PubMed
Close
,
Zsombor Ritter Pécsi Tudományegyetem, Klinikai Központ, Orvosi Képalkotó Klinika, Pécs, Magyarország

Search for other papers by Zsombor Ritter in
Current site
Google Scholar
PubMed
Close
,
Anett Baliko Tolna Megyei Balassa János Kórház, Hematológiai Osztály, Szekszárd, Magyarország

Search for other papers by Anett Baliko in
Current site
Google Scholar
PubMed
Close
,
Géza Hegedűs Somogy Megyei Kaposi Mór Oktató Kórház, Patológiai Osztály, Kaposvár, Magyarország

Search for other papers by Géza Hegedűs in
Current site
Google Scholar
PubMed
Close
,
Tibor Barna BAZ Megyei Központi Kórház és Egyetemi Oktatókórház, II. Pathologiai Osztály, Semmelweis Tagkórház, Miskolc, Magyarország

Search for other papers by Tibor Barna in
Current site
Google Scholar
PubMed
Close
,
János Czifra Tolna Megyei Balassa János Kórház, Pathologiai Osztály, Szekszárd, Magyarország

Search for other papers by János Czifra in
Current site
Google Scholar
PubMed
Close
,
Anna Pálvölgyi Siófok Kórház Rendelőintézet, Patológia, Siófok, Magyarország

Search for other papers by Anna Pálvölgyi in
Current site
Google Scholar
PubMed
Close
,
Gabriella Östör Szent Pantaleon Kórház-Rendelőintézet, Kórbonctani és Kórszövettani Osztály, Dunaújváros, Magyarország

Search for other papers by Gabriella Östör in
Current site
Google Scholar
PubMed
Close
,
Edit Babarczi Dél-pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, Budapest, Magyarország

Search for other papers by Edit Babarczi in
Current site
Google Scholar
PubMed
Close
,
Erika Ligeti Csolnoky Ferenc Kórház, Patológiai Osztály, Veszprém, Magyarország

Search for other papers by Erika Ligeti in
Current site
Google Scholar
PubMed
Close
,
Noémi Kránitz Petz Aladár Egyetemi Oktató Kórház, Pathologiai Osztály, Győr, Magyarország

Search for other papers by Noémi Kránitz in
Current site
Google Scholar
PubMed
Close
,
Ottilia Bali Kanizsai Dorottya Kórház, Pathologiai Osztály, Nagykanizsa, Magyarország

Search for other papers by Ottilia Bali in
Current site
Google Scholar
PubMed
Close
,
Anita Bodor Békés Megyei Központi Kórház, Pathologiai Osztály, Békéscsaba, Magyarország

Search for other papers by Anita Bodor in
Current site
Google Scholar
PubMed
Close
,
László Tiszlavicz Szegedi Tudományegyetem, Szent-Györgyi Albert Klinikai Központ, Patológiai Intézet, Szeged, Magyarország

Search for other papers by László Tiszlavicz in
Current site
Google Scholar
PubMed
Close
,
Gábor Pajor Pécsi Tudományegyetem, Klinikai Központ, Pathologiai Intézet, Pécs, Magyarország

Search for other papers by Gábor Pajor in
Current site
Google Scholar
PubMed
Close
,
Béla Kajtár Pécsi Tudományegyetem, Klinikai Központ, Pathologiai Intézet, Pécs, Magyarország

Search for other papers by Béla Kajtár in
Current site
Google Scholar
PubMed
Close
,
László Kereskai Pécsi Tudományegyetem, Klinikai Központ, Pathologiai Intézet, Pécs, Magyarország

Search for other papers by László Kereskai in
Current site
Google Scholar
PubMed
Close
,
Tamás Tornóczki Pécsi Tudományegyetem, Klinikai Központ, Pathologiai Intézet, Pécs, Magyarország

Search for other papers by Tamás Tornóczki in
Current site
Google Scholar
PubMed
Close
,
Hussain Alizadeh Pécsi Tudományegyetem, Klinikai Központ, I. sz. Belgyógyászati Klinika, Hematológia, Pécs, Magyarország

Search for other papers by Hussain Alizadeh in
Current site
Google Scholar
PubMed
Close
,
Attila Gyenesei Pécsi Tudományegyetem, Szentágothai János Kutatóközpont, Bioinformatikai Kutatócsoport, Pécs, Magyarország

Search for other papers by Attila Gyenesei in
Current site
Google Scholar
PubMed
Close
, and
István Vályi-Nagy Dél-pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, Budapest, Magyarország

Search for other papers by István Vályi-Nagy in
Current site
Google Scholar
PubMed
Close
Open access

A diffúz nagy B-sejtes limfóma 5 éves általános túlélése a mai kezelések mellett 60–70%, melynek hátterében a betegség komplex heterogenitása állhat.

Célkitűzés

Magyarországi multicentrikus tanulmányban a betegség fenotipikus, citogenetikai, genomexpressziós profil- és geográfiai heterogenitásának vizsgálata.

Módszer

A 276 formol-paraffinos betegmintát Hans' algoritmus és dupla protein expresszor státusz alapján klasszifikáltuk. A IGH::MYC, IGH::BCL2, BCL6 gén átrendeződéseket, valamint a MYC, BCL2 és BCL6 gének nyerését interfázis citogenetikával vizsgáltuk. Az RNA-seq-alapú génexpressziós profilvizsgálat 173 formol-paraffinos mintán volt elvégezhető.

Eredmények

A Hans' fenotípus alapján 103 (37,3%) germinális centrum B-sejt-szerű és 173 (62,7%) nem germinalis B-sejt-szerű limfómát azonosítottunk, mely besorolás 82,6%-os megegyezést mutatott a genomexpressziós profilstratifikációval. Tripla aberrációt mutató limfóma nem fordult elő. Izolált IGH::MYC átrendeződés, valamint MYC, BCL2, BCL6 géntöbblet mindkét Hans' csoportban jelen volt. Az IGH::BCL2 átrendeződés izoláltan vagy kombinációban, szignifikánsan és kizárólag a germinális centrum B-sejt-szerű csoportban volt azonosítható, míg a BCL6 átrendeződés szignifikáns halmozódást mutatott a nem germinális centrum B-sejt-szerű Hans' csoportban. A dupla protein expresszor fenotípus pozitív prediktív értéke mindkét Hans' csoport molekuláris alcsoportjaira alacsony, a 0,04–0,19, illetve a 0,12–0,30, tartományba esett, míg negatív prediktív értéke mindkét főcsoport összes releváns molekuláris alcsoportjában 1,00-nek felelt meg.

Következtetések

A IGH::MYC átrendeződés nem Hans' csoport specifikus genotípus. Az IGH::BCL2 átrendeződés germinalis centrum, a BCL6 átrendeződés pedig a nem germinalis centrum B-sejt-szerű limfóma fémjele. A dupla protein expresszor negatív fenotípus mellett IGH::MYC és/vagy IGH::BCL2 átrendeződés nem fordult elő.

Abstract

A diffúz nagy B-sejtes limfóma 5 éves általános túlélése a mai kezelések mellett 60–70%, melynek hátterében a betegség komplex heterogenitása állhat.

Célkitűzés

Magyarországi multicentrikus tanulmányban a betegség fenotipikus, citogenetikai, genomexpressziós profil- és geográfiai heterogenitásának vizsgálata.

Módszer

A 276 formol-paraffinos betegmintát Hans' algoritmus és dupla protein expresszor státusz alapján klasszifikáltuk. A IGH::MYC, IGH::BCL2, BCL6 gén átrendeződéseket, valamint a MYC, BCL2 és BCL6 gének nyerését interfázis citogenetikával vizsgáltuk. Az RNA-seq-alapú génexpressziós profilvizsgálat 173 formol-paraffinos mintán volt elvégezhető.

Eredmények

A Hans' fenotípus alapján 103 (37,3%) germinális centrum B-sejt-szerű és 173 (62,7%) nem germinalis B-sejt-szerű limfómát azonosítottunk, mely besorolás 82,6%-os megegyezést mutatott a genomexpressziós profilstratifikációval. Tripla aberrációt mutató limfóma nem fordult elő. Izolált IGH::MYC átrendeződés, valamint MYC, BCL2, BCL6 géntöbblet mindkét Hans' csoportban jelen volt. Az IGH::BCL2 átrendeződés izoláltan vagy kombinációban, szignifikánsan és kizárólag a germinális centrum B-sejt-szerű csoportban volt azonosítható, míg a BCL6 átrendeződés szignifikáns halmozódást mutatott a nem germinális centrum B-sejt-szerű Hans' csoportban. A dupla protein expresszor fenotípus pozitív prediktív értéke mindkét Hans' csoport molekuláris alcsoportjaira alacsony, a 0,04–0,19, illetve a 0,12–0,30, tartományba esett, míg negatív prediktív értéke mindkét főcsoport összes releváns molekuláris alcsoportjában 1,00-nek felelt meg.

Következtetések

A IGH::MYC átrendeződés nem Hans' csoport specifikus genotípus. Az IGH::BCL2 átrendeződés germinalis centrum, a BCL6 átrendeződés pedig a nem germinalis centrum B-sejt-szerű limfóma fémjele. A dupla protein expresszor negatív fenotípus mellett IGH::MYC és/vagy IGH::BCL2 átrendeződés nem fordult elő.

Abstract

Heterogeneity of diffuse large B-cell lymphoma might explain the current 60–70% five year overall survival.

Objectives

To reveal the phenotypic, cytogenetic, genome expression profile and geographic heterogeneity of this disease in Hungary.

Methods

Formol-paraffine tissue samples of 276 patients were stratified according to the Hans' algorithm and double protein expressor status. IGH::MYC, IGH::BCL2, BCL6 rearrangements and gain of MYC, BCL2, BCL6 genes were determined by interphase cytogenetics. RNA-seq based expression profiling was accomplished in 173 samples.

Results

Hans' phenotype identified 103 (37.3%) germinal center and 173 (62.7%) non-germinal center B-cell like lymphoma, which classification corresponded in 82.6% to the genome expression profile stratification. Triple-hit lymphoma did not occur. The IGH::MYC rearrangement alone or excess of MYC, BCL2 and BCL6 genes existed in both Hans' groups. The IGH::BCL2 rearrangement, alone or combined, was significantly related to germinal center B-cell like lymphoma, whereas the BCL6 rearrangement associated significantly to the other Hans' group. The positive predictive values of double protein expressor phenotype were low in all molecular subgroups of both Hans' groups, felling into the range of 0.04–0.19 and 0.12–0.30, respectively, whereas the negative predictive values of it corresponded to 1.00 in all relevant molecular subgroups of the two Hans' groups.

Conclusions

IGH::MYC rearrangement is not a Hans' group specific genotype. IGH::BCL2 is a hallmark of the germinal center, whereas BCL6 rearrangement is that of the non-germinal center lymphomas. The double protein expressor negative phenotype is equally exclusive for both IGH::MYC and IGH::BCL2 rearrangements.

Bevezetés

A leggyakoribb non-Hodgkin limfóma, a CD20 pozitív, de morfológiailag heterogén és különböző klinikai lefolyást mutató diffúz nagy B-sejtes limfóma (DLBCL) a klasszikus, Lymphochip-alapú génexpressziós profil (GEP) vizsgálatok szerint legalább kettő, molekulárisan eltérő és prognosztikailag különböző betegségnek felelt meg [1]. A germinalis centrum B-sejt (GCB), valamint az aktivált B-sejt (ABC)-szerű molekuláris szubtípusok létezését egy független, oligonukleotid génchip platform (Affimetrix, Santa Clara, CA) is megerősítette, és kiegészítette egy harmadik, nem osztályozható, a GCB, illetve az ABC típusú GEP mintázattól eltérő expressziós profilt mutató, de rossz prognózisú DLBCL altípussal [2, 3]. A DLBCL sejteredetének (‘cell-of-origin’, COO) megállapítására az immunhisztológiailag (IH) meghatározott proteinexpressziós algoritmusok is bevezetésre kerültek, melyet a GEP-alapú sejteredet-meghatározás széles körű rendelkezésre állásának hiánya miatt a WHO-2016 limfómaklasszifikáció is elfogadott [4]. Ezek közül a legelőször bevezetett és legszélesebb körben alkalmazott, a CD10, BCL6 és a MUM1 proteinek expresszióját immunhisztológiával vizsgáló Hans' algoritmus sem tudja elkülöníteni a GEP-pel nem osztályozható csoportot, és a DLBCL betegséget GCB-szerű és nem GCB/ABC-szerű, az előbbi javára szignifikánsan jobb klinikai lefolyást mutató csoportokba sorolja [5]. A DLBCL betegség citogenetikai heterogenitására vonatkozó növekvő ismeretanyag egy új entitás elfogadásához vezetett a WHO-2016 limfómaklasszifikációban: MYC és BCL2 és/vagy BCL6 átrendeződést (R) mutató magas malignitású B-sejtes limfóma (HGBL), melyet ezen molekuláris sajátságok miatt tripla aberrációt (‘triple hit’, TH) vagy dupla aberrációt (‘double hit’, DH) mutató limfómának neveztek el [6].

A nagy nemzetközi tanulmányokban jelentkező ellentmondások, például az izolált MYC-R, az ebben részt vevő partnergének, a MYC-R melletti más átrendeződések, ezen genetikai aberrációk különböző kombinációinak, továbbá a MYC, BCL2 és BCL6 gének kópiaszám-eltéréseinek (CNA) prognosztikai szerepe nem kerültek minden vonatkozásban feloldásra. Ez magyarázza a jelenleg is intenzív, a prognózis prediktív genetikai aberrációk, mutációk, kópiaszám-eltérések vagy génfúziók feltárására irányuló kutatásokat, melyek célja a DLBCL individualis medicina típusú kezelésének megalapozása [7–20].

Multicentrikus tanulmányunkban egy reprezentatívnak vélt DLBCL betegcsoport sejteredet (COO), IGH::MYC, IGH::BCL2 és BCL6 gén átrendeződés (R), illetve kópiaszám-növekedés (CNA), valamint génexpressziós profil (GEP) szerinti vizsgálatát végeztük el annak érdekében, hogy a DLBCL ezen paraméterei geográfiai jellegzetességeit feltárjuk.

Anyag és módszer

A vizsgálatokat a PTE Klinikai Központ Pathologiai Intézetének konzíliumi anyagán végeztük, melyből 344, legalább 5 éves követéssel rendelkező mintát választottunk ki. Ebből mind a 7 immunhisztológiai, valamint a 4 genetikai lókuszt reprezentáló 3 iFISH-vizsgálat értékelhető eredményt 276 esetben adott. Ez a pathologiai minta (paraffinos blokk) kollekció 12 egészségügyi intézmény pathologiai osztályáról származott, melyek az affiliációban szereplő székhely szerint a következők, zárójelben a részvételi esetszámmal: Békéscsaba (6), Dunaújváros (16), DPC-OHII Budapest (30), Győr (4), Miskolc (55), Nagykanizsa (3), PTE Pécs (30), Siófok (15), Kaposvár (88), Szekszárd (14), SZTE Szeged (8), Veszprém (7). E kohorszban az FFPE blokkokból extrahált RNS és az azt követő transzkriptom új generációs szekvenálás (NGS) alapján 173 mintában volt genomexpressziós profil (GEP) vizsgálat elvégezhető.

Hisztologiai-immunhisztologiai vizsgálatok: A paraffinos blokkokból újra elvégeztük a teljes pathologiai feldolgozást, komplettáltuk az IH-profilozást, diagnóziskorrekció miatt egyetlen esetet sem kellett kizárni. Az IH-vizsgálatokhoz CD10, CD20 (Visionbiosystems Novocastra, UK), MUM1, BCL2, BCL6 (Dako, Dánia), MYC (Abcam, UK), Ki-67 (Hisztopatológia Kft., Magyarország) specifikus primér antitesteket, valamint Envision+ System-HRP (DakoCytomation, Dánia) és Bond Polymer Refine Detection (Leica Biosystems, UK) előhívó reagenseket alkalmaztunk. A Hans' algoritmus szerint legalább 30%-os pozitivitás esetén tekinthető pozitívnak a tumor egy bizonyos markerre. Az algoritmus szerint GCB-szerű csoportbesorolást kap a tumor, ha CD10+ (BCL6+/−, MUM1+/−) vagy CD10−, BCL6+, MUM1- fenotípust mutat. Nem GCB/ABC-szerű a besorolás minden egyéb – CD10−, BCL6+, MUM1+ vagy CD10−, BCL6–, MUM1+ fenotípus esetén [5]. Dupla protein expresszor (DPE) besorolást kapott a tumor kombinált BCL2 (≥50%) és MYC (≥40%) immunhisztológiai pozitivitás esetén [6].

Interfázis fluoreszcens in situ hibridizáció (iFISH): A paraffinos blokkok 5 μm-es metszetein a mintákat iFISH-eljárással – a szonda kit gyártó előírásait követve – teszteltük MYC::IGH, IGH::BCL2, BCL6 átrendeződésre (R), valamint MYC (8q24), BCL2 (18q21) és BCL6 (3q27) nyerésre/amplifikációra (G/A). Ehhez Vysis IGH/MYC/CEP8 TC-DF, Vysis LSI IGH/BCL2 DC-DF és Vysis LSI BCL6 (ABR) DC Break Apart szondakészleteket (Abbott Molecular Inc., USA) használtunk fel. Az iFISH-reakciókat a gyártó előírásai szerint, Zeiss Axioplan-MOT II fluoreszcens mikroszkópban ‘grid sampling’ és ‘color rationing’ módszerekkel értékeltük ki [21]. Átrendeződés (R) pozitívnak tekintettük a tumort IGH/MYC, IGH/BCL2, illetve BCL6 szonda esetén, ha a fúziós, illetve a disszociált iFISH jeleket a sejtmagok legalább 50%-a hordozta. A nyerés/amplifikáció (G/A) definíciója MYC, BCL2 és BCL6 esetében magában foglalta a releváns kromoszóma poliploiditásának hiányát és/vagy a sejtmagok legalább 50%-ban legalább 1 kópia géntöbblet kimutathatóságát, valamint dupla parányok [‘double minutes'] és/vagy gyöngyfüzérszerű [‘beaded lace-like’] jelek és/vagy megszámlálhatatlan (homogén festődésű régió – ‘HSR’ vagy felhőszerű – ‘cloudy-like’) szignálok jelenlétét.

RNS-könyvtár-készítés és szekvenálás: A paraffinos blokkok 10 μm-es metszeteiből RNeasy FFPE isol kit (Qiagen, Németország) alkalmazásával történt az RNS-izolálás, majd NanoDrop ND-1000 (Thermo Fischer Scientific, USA) készülékkel a mennyiség és a tisztasági fok meghatározása. Az RNS-könyvtárak készítését QuantSeq 3' mRNA-Seq Library Prep Kit FWD for Illumina (Lexogen, Ausztria) segítségével végeztük. Mintánként 100 ng total RNS reverz transzkripciója valósult meg egyszálú komplementer DNS-re (cDNS) oligodT primerekkel, majd az RNS eltávolításra került. Ezt követően a második cDNS-szálat szintetizáltuk random primerek segítségével, majd a termékeket tisztítottuk mágneses gyöngyökkel. Végül a könyvtárakat amplifikáltuk, és vonalkód-szekvenciával (barcode) láttuk el PCR alkalmazásával. Az elkészült könyvtárakban TapeStation 4200 (Agilent) készülékkel ellenőriztük adapter dimer PCR műtermékek képződését. A QuantSeq könyvtárakat Illumina NextSeq550 készülékkel szekvenáltuk 75 bp single-end leolvasási módban.

Bioinformatika – statisztika: A leolvasott szekvenciákat a Homo sapiens referencia genomra illesztettük (GRCh37 Ensembl) a STAR v2.5.3a programmal [22]. Ezután a fehérjekódoló génekre illesztett readek számát meghatároztuk a HTSeq programcsomaggal (v0.11.1) [22]. A gén count adatokat normalizáltuk az M-értékek trimmelt átlaga (TMM) módszerrel az edgeR R/Bioconductor programcsomagokkal (v3.28, R v3.6.0, Bioconductor v3.9) [23]. A statisztikai próbákhoz az adatokat logtranszformáltuk a voom megközelítéssel a limma programcsomaggal [24, 25]. A normalizált gén count adatokat transzkriptum per millió (TPM) formában reprezentáltuk. A limma csomag segítségével összehasonlítottuk a csoportokat lineáris modell alkalmazásával, amellyel fold change és módosított p-értékeket, majd Benjamini–Hochberg-módszerrel a False Discovery Rate (FDR) megközelítéssel illesztett p-értékeket számoltunk. A differenciáltan kifejezett gének TPM-értékeit hierarchikus klaszterelemzéssel, Pearson-korreláció és átlagos kapcsoltság (average linkage) módszerrel vizsgáltuk és hőtérképpel vizualizáltuk a pheatmap R csomaggal (v1.0.12). A Wan-Hui és mtsai (2020) által meghatározott, a DLBCL-sejteredet (cell-of-origin, COO) csoportosítással szignifikánsan összefüggő 32 gén közül a mintáinkban kimutatott transzkripttel rendelkező 28 gén TPM-értékei alapján hierarchikus klaszterelemzést és hőtérképen történő vizualizációt alkalmaztunk a fenti módon [26].

Chi-négyzet-tesztet alkalmaztunk a különböző feno- és genotípus sejtparaméterek megoszlásának vizsgálatára. Ehhez az R stats csomagból a chiq.test függvényt (R Core Team, 2021) használtuk fel. A pozitív és negatív prediktív értéket (PPÉ, NPÉ) a különböző geno- és fenotípuscsoportok vs. DPE státusz kontingenciatáblázataiból nyert valódi pozitív (VP), álpozitív (ÁP), valódi negatív (VN), álnegatív (ÁN) értékek alapján, a VP/VP+ÁP és VN/VN+ÁN képletek alapján számoltuk.

Eredmények

A teljes immunhisztológiai és iFISH-panellel értékelhető eredményt adó, összesen 276 DLBCL-tumormintát vizsgálhattunk. A sejteredet (COO) vonatkozásában, a Hans' immunhisztológiai algoritmus alapján, a 276 tumorból 103 (37,3%) GCB-sejt-szerű, míg 173 (62,7%) nem GCB-sejt-szerű DLBCL altípusba sorolódott. A GEP-vizsgálat során azonosított differenciáltan expresszált gének a GCB vs. nem GCB Hans' DLBCL-csoportokat magas hatékonysággal különítették el. A Hans algoritmus, valamint a GEP-vizsgálat alapján azonos csoport besorolást nyert az összes eset 82,6%-a (1. ábra). Az ábra jobb felső zónájában, a döntően Hans' nem GCB fenotípusú esetek között alcsoportosodást, azaz GEP-heterogenitást mutat a hőtérkép. A GEP-vizsgálat ugyanakkor, szignifikáns heterogenitást tárt fel az egyaránt Hans' GCB besorolásba tartozó, 6/103 (5,8%) illetve a 22/103 (213%) gyakoriságot képviselő CD10+/MUM1+ vs BCL6+ csoportok között (2. ábra).

1. ábra.
1. ábra.

Az expressziós profil alapján létrehozott hőtérképen meghatározott 2 csoport 82,6% átfedést mutatott a Hans' algoritmus szerint definiált GCB, valamint nem GCB besorolással

Citation: Hematológia–Transzfuziológia 55, 4; 10.1556/2068.2023.00157

2. ábra.
2. ábra.

Az egyaránt a Hans' GCB csoportba tartozó CD10+, MUM1+, valamint BCL6+ fenotípusú csoport szignifikáns GEP-heterogenitást mutatott

Citation: Hematológia–Transzfuziológia 55, 4; 10.1556/2068.2023.00157

Az IGH::MYC, IGH::BCL2 fúzió illetve BCL6 törés típusú átrendeződések (R) incidenciája a teljes vizsgált DLBCL-kohorszban 16/276 (5,8%), 20/276 (7,2%), illetve 46/276 (16,7%) értékeknek felelt meg (1. táblázat). A MYC gén amplifikációja 7/276 (2,5%) gyakorisággal fordult elő, melyet az átlagos 2,55x allélarány (kb. 3 géndózistöbblet) jellemzett. A BCL2 amplifikáció ugyanezen adatai: 37/276 (13,4%), átlagosan 1,95 allélarány (kb. 2 gén dózis többlet). A BCL6 amplifikációja csak 0,7%-ban (2/276) volt észlelhető, 4,05–4,22 fúziós jel/mag arány (kb. 2x gén dózis többlet) és gyöngyfüzérszerű amplifikáció mellett. Az amplifikáció értékelésénél nem vettük figyelembe a megszámlálhatatlan, homogén festődési régió (‘HSR’), valamint felhőszerű (‘cloudy like’) iFISH-jeleket tartalmazó magokat. A MYC és a BCL2 gén vonatkozásában egyaránt 2–2/276 (0,7–0,7%) gyakorisággal fordultak elő ilyen iFISH-jelenségek a DLBCL-kohorszban (3. ábra).

1. táblázat.

A IGH::MYC, IGH::BCL2 és BCL6 génátrendeződések (R), a MYC, BCL2 és BCL6 gének nyerésének/amplifikációjának (G/A), valamint a megszámlálhatatlan iFISH jelek lókuszspecifikus gyakorisága a teljes vizsgált DLBCL-kohorszban (HSR – homogén festődésű régió)

Átrendeződés (R)Géntöbblet – iFISH jel
Nyerés/Amplifikáció (G/A)Megszámlálhatatlan

HSR/Felhőszerű
IGH::MYC16/276 (5,8%)--
MYC-7/276 (2,5%)2/276 (0,7%)
IGH::BCL220/276 (7,2%)--
BCL2-37/276 (13,4%)2/276 (0,7%)
BCL646/276 (16,7%)--
BCL6-2/276 (0,7%)-
3. ábra.
3. ábra.

Típusos iFISH jel mintázatok génátrendeződés, valamint géntöbblet (nyerés/amplifikáció) esetén. a MYC piros (P) jel, IGH zöld (Z) jel, IGH::MYC átrendeződés – kolokalizált/sárga fúziós (F) jel; b BCL6 telomerikus 3q27 régió P jel, centromerikus 3q27 régió Z jel, intakt BCL6 gén – kolokalizált szignálok, BCL6 gén törés – önálló Z/P jelek; c MYC (P), IGH (Z), CEP8-Aqua (A), ∼9-szeres P/Z, illetve P/A arány (kb. 16 MYC géntöbblet), < homogénen festődő régió – HSR, << felhőszerű iFISH jelölődés; d BCL2 P jel, IGH Z jel, ∼3,5-szörös P/Z amplifikáció (∼5 BCL2 géntöbblet), e ∼ 4-szeres P-Z kolokalizált jel/mag (∼6-szoros BCL6 géntöbblet), telomerikus 3q27 régió Z jel, centromerikus 3q27 régió P jel; d és e gyöngyfűzérszerű iFISH jel mintázat – intrakromoszómális gén sokszorozódás; ae 63x olaj immerzió

Citation: Hematológia–Transzfuziológia 55, 4; 10.1556/2068.2023.00157

Az izolált IGH:MYC aberráció 6/103 (5,8%), illetve 6/173 (3,5%) arányban fordult elő a GCB, valamint a nem GCB csoportban, és nem mutatott szignifikánsan eltérő halmozódást a Hans' főcsoportokban. Tripla aberrációt (TH) vagy IGH::MYC/BCL6 átrendeződés típusú dupla aberrációt (DH-2) hordozó limfóma egyik Hans' csoportban sem fordult elő. Az izolált BCL6-R típusú aberráció a nem GCB csoportban volt gyakoribb (33/173, 19,0%), és ezzel a fenotípussal szignifikáns összefüggést mutatott (P = 0,013). Az IGH::BCL2 átrendeződés izoláltan és más aberrációval kombinációban 20/103 (19,4%) illetve 0/173 (0%) gyakorisággal fordult elő a GCB, valamint a nem GCB csoportban. Így szignifikáns halmozódást mutatott izoláltan (P = 0), kombinációban IGH::MYC átrendeződéssel (DH-1; P = 0,018), BCL6 töréssel (P = 0,008) vagy minden IGH::BCL2 átrendeződést mutató DLBCL-re nézve (P = 0,001), a GCB fenotípusú limfómákban, miközben ez a genetikai konstelláció egyáltalán nem fordult elő a nem GCB fenotípusú tumorokban. Ugyanakkor a BCL2 gént érintő aberrációk mindegyike nyerés/amplifikáció (G/A) típusú volt a nem GCB-sejt-szerű daganatokban. Ennek ellenére a MYC, BCL2, illetve BCL6 gének kópiaszám eltéréseinek gyakorisága nem mutatott szignifikáns asszociációt egyik Hans' csoporttal sem (4. ábra).

4. ábra.
4. ábra.

Az Y tengely az esetek fenotípus (GCB – zöld, illetve nem GCB – sárga) megoszlását mutatja, mely stratifikáltan kerül bemutatásra, aszerint, hogy a fenotípuscsoportban az X tengelyen jelzett aberráció átrendeződés (GCBR – sötétzöld; nem GCBR – sötétsárga) vagy gén nyerés/amplifikáció (GCBG/A – világoszöld; nem GCBG/A – világossárga) típusú volt. A dupla protein expresszor (DPE) esetek száma az egyes oszlopok feletti esetszámok mellett zárójelben jelenik meg. MYC = 8q24, BCL2 = 18q21, BCL6 = 3q27. Az IGH::MYC, IGH::BCL2, BCL6 génátrendeződések (R,), valamint a MYC, BCL2, BCL6 gén nyerésének (G/A,) gyakorisága izoláltan vagy kombinációkban a Hans' GCB (), valamint nem GCB () fenotípuscsoportokban. Ha a kombinált aberrációk esetén nem mindegyik aberráció átrendeződés tipusú volt, a tumor a kombinált gén nyerés típusú alcsoportba sorolódott

Citation: Hematológia–Transzfuziológia 55, 4; 10.1556/2068.2023.00157

A DPE+ státusz előfordulása magas volt a GCB (83,4%) és a nem GCB (88,4%) csoportban egyaránt és gyakorisága nem mutatott szignifikáns eltérést a két Hans' csoportban.

A DPE+ fenotípus szignifikáns asszociációt nem mutatott a nem GCB csoportban a csak izoláltan előforduló MYC-R+ és a BCL6-R+ alcsoportokkal, ugyanez vonatkozik a GCB csoportban a MYC-R típusú aberrációt, illetve a BCL2 átrendeződést izoláltan vagy kombinációban hordozó alcsoportokra is. A DPE+ fenotípus csak a GCB csoportban és csak a MYC vagy BCL2 átrendeződést izoláltan vagy bármilyen kombinációban hordozó molekuláris alcsoportra bizonyult szignifikánsan gyakoribbnak (P = 0,02). A DPE fenotípus pozitív prediktív értéke (PPV) a nem GCB csoport fenti 2 molekuláris alcsoportjára: 0,04–0,19. Ugyanezen érték a GCB csoport 3 molekuláris alcsoportjára a 0,12–0,30 tartományba esett (2. táblázat). A DPE fenotípus negatív prediktív értéke (NPV) a két Hans csoport összesen öt molekuláris alcsoportjából 4-ben 1,00-nek bizonyult, egyedül a nem GCB – BCL6-R+ alcsoportban volt alacsonyabb, 0,85.

2. táblázat.

A dupla protein expresszor (DPE) fenotípus pozitív prediktív értéke (PPV), illetve negativ prediktív értéke (NPV), valamint a DPE-pozitivitás szignifikanicaszintje a nem GCB, valamint a GCB típusú DLBCL molekuláris alcsoportjaiban. i – izoláltan, k – kombinációban előforduló átrendeződés (R), n. sz. – nem szignifikáns

nem GCB DLBCLGCB DLBCL
MYC-R (i)BCL6-R (i)MYC-R (i vagy k)BCL2-R (i vagy k)MYC-R vagy BCL2-R (i vagy k)
DPE+PPV0,04 n. sz.0,19 n. sz.0,12 n. sz.0,23 n.sz.0,30 P = 0.020
DPE–NPV1,000,851,001,001,00

Megbeszélés

A leggyakoribb limfóma, a CD20+ nagy B-sejtes limfóma, a non-Hodgkin limfómák 30–40%-át teszi ki a különböző földrajzi térségekben. Ennek 80–85%-a diffúz növekedési mintázatot mutat, ezért diffúz nagy B-sejtes limfómának (DLBCL-nek) nevezik. További és ritkább, összességében 15–20%-ot kitevő, nagy B-sejtekből felépülő limfómák is léteznek, melyeket egyedi klinikopathologiai sajátosságaik miatt a vizsgálatunk alatt érvényes (WHO-HAEM4R) valamint a jelenlegi (WHO-HAEM5) osztályozás is más elnevezések alatt határoz meg [6, 20, 27]. Jelen tanulmányunk tárgyát az előbbi, DLBCL csoportba tartozó betegségek képezték. A Burkitt-limfóma eseteket a WHO-meghatározás alapján kizártuk. A ritka és meglehetősen szubjektív morfológiai jegyek alapján véleményezett, ún. diffúz magas malignitású B-sejtes limfóma (HGBL) esetek a tanulmány részét képezték. A DLBCL morfológiai, fenotípusos, molekuláris genetikai és geográfiai heterogenitása állhat annak hátterében, hogy a betegség 5 éves általános túlélése a mai kezelések mellett 60–70% [12].

Emiatt a DLBCL patobiológiája intenzív kutatások tárgya, melyek célja a precíziós medicina típusú kezelhetőség megalapozása. Hazánkban a DLBCL átfogó, fenotipikus, citogenetikai és génexpressziós profil (GEP) alapú együttes vizsgálata nem került még bemutatásra/publikálásra, ezért egy multicentrikus tanulmányban 276 DLBCL betegség ilyen irányú, komplex jellemzését végeztük el és adjuk közre a vizsgálatok eredményét.

A CD10, BCL6, MUM1 immunhisztokémiai reaktivitás és a Hans' algoritmus alapján a limfómák közel 1/3-a (37,3%-a) nyert GCB-sejt-szerű, míg közel 2/3-a (62,7%) nem GCB-sejt-szerű besorolást. Ez a Hans' osztályozás alapján publikált adatokban észlelt GCB típusú limfómák gyakorisági tartományának alsó határa körüli GCB típusú DLBCL arányt és jelentős nem GCB-sejt-szerű limfóma túlsúlyt mutat az általunk vizsgált beteganyagban [7, 15, 28]. A Hans' fenotípus stratifikáció ebben a tanulmányban megbízhatónak tartható, mivel a GEP vizsgálat során azonosított, differenciáltan expresszált gének, valamint a Hans' klasszifikáció alapján a DLBCL esetek 82,6%-ban azonos besorolást nyertek. Továbbá a vizsgált kohorsz Hans' osztályozása és a közelmúltban publikált, 32 génes klasszifikáló alapján végzett GEP csoport analízisünk jó korrelációt, 81,0%-ban megegyező besorolást mutatott [26]. A fenti Hans' és GEP klasszifikáció közötti eltéréseket magyarázhatja az az ismert tény, hogy a DLBCL esetek 15–20%-ot kitevő, GEP alapján nem osztályozható csoportját immunhisztológiai profil alapján sem lehet felismerni [6]. Ezt példázza az az eredményünk is, miszerint a GEP-analízis heterogenitást is mutatott mind a Hans' GCB, mind a nem GCB csoportban egyaránt. A klinikai adatok birtokában tervezzük annak vizsgálatát, hogy a homogén fenotípuscsoportokban észlelt GEP-heterogenitás képvisel-e prognosztikai heterogenitást.

DLBCL-ben az IGH::MYC, IGH::BCL2 fúzió, illetve a BCL6 törés típusú átrendeződések (R) incidenciája – a nemzetközi adatok alapján – tág határok között, a 4–24%, 3–30%, illetve a 14–30% tartományban mozog [8, 9, 12–15, 28–31]. Ezen aberrációk incidenciái jelen kohorszban ezen tartományok alsó zónájába esnek. Feltűnő, hogy a nemzetközi adatok alapján a 0,5–10%, 0,5–1,5%, illetve 0–3% incidenciatartományt mutató DH-1, DH-2, illetve TH limfóma közül e vizsgálatban csak a DH-1, MYC-R és BCL2-R genotípusú limfóma mutatható ki 1,4% arányban, míg a másik kettő nem fordul elő. Ezt geográfiai különbségeken kívül nehéz lenne mással magyarázni. Nem valószínűsíthető, hogy az eredményeket befolyásolta az, hogy a MYC-R aberrációt az IGH::MYC specifikus dupla fúziós (DF) iFISH-szondával vizsgáltuk, mivel az összes MYC átrendeződésnek csak kb. 10%-ában szerepelnek partnerként az immunglobulin könnyűláncok (MYC/IGL), a DF iFISH-szonda szenzitivitása az ‘elváló’ (BA) szondánál 5–10%-kal magasabb, továbbá a 40–50%-ot kitevő, nem IG génnel történő átrendeződés (MYC-R-nemIG) vizsgálata – ismeretlen hatása miatt – jelenleg nem elvárt [8, 9, 12, 16].

Az izolált MYC-R nem szignifikáns megoszlása a GCB vs. nem GCB főcsoportok között arra utalhat, hogy ez az aberráció önmagában nem tehető felelőssé a két főcsoport közötti, irodalmilag dokumentált, prognosztikai különbségekért [10, 12]. Az izolált vagy kombinált BCL2-R GCB limfómákhoz, a BCL6-R nem GCB limfómákhoz mutatott szignifikáns asszociációja ezen aberrációk független, prognózist befolyásoló szerepére utalhatnak. Az a tény, hogy a MYC, BCL2 és BCL6 gének kópiaszámeltéréseinek egyikénél sem lehetett szignifikáns halmozódást kimutatni a Hans' főcsoportok között, ezen genetikai eltérések prognózist nem befolyásoló hatását vélelmezhetik. E témakörben a kópiaszámeltérések prognosztikai hatására vonatkozó, ellentmondásos publikációk sora ismert, beleértve a nagyon ritka magas grádusú amplifikáció (‘megszámlálhatatlan iFISH szignál’ típusú aberráció) jelentőségét, egyáltalán a kópiaszám-küszöbérték meghatározásának hiányát [12, 18, 28].

A DLBCL-ben prognosztikus genetikai eltérések, transzlokációk, amplifikációk, vizsgálata iFISH-eljárással történik. Ez azonban drága, időt, szakértő humán erőforrást és laboratóriumi technikát igénylő eljárás. Ezért felmerül, hogy előzetes szűréssel lehet-e csökkenteni az iFISH-sel vizsgálandó DLBCL szövetminták arányát, a pozítiv minták vesztése nélkül. Jelen tanulmányban a prognosztikus dupla protein expresszor (DPE, MYC és BCL2) klasszifikáló erejét vizsgáltuk. A DPE+ fenotípus azonban a sejteredet szerinti Hans' főcsoportokkal, ezek molekuláris alcsoportjai között – döntő többségben – nem mutatott szignifikáns összefüggést. Alacsony szenzitivitása és specificitása miatt a pozitív prediktív értéke (PPV) olyan alacsony – kevesebb mint 0,30 – zónába esik, mely hatékony, legalább 95%-os konfidenciájú előszűrő alkalmazását nem teszi lehetővé. A DPE negatív prediktív értéke (NPV) viszont a két Hans' főcsoport összesen 6 molekuláris alcsoportjából 5-ben, belefoglalva a legfontosabb MYC-R, BCL2-R aberrációkat és kombinációikat, 1,00, azaz a DPE negatív fenotípus 100%-os megbízhatósággal előszűri a prognosztikus genetikai aberrációra negatív, iFISH-eljárással nem vizsgálandó, DLBCL mintákat. Ez az eredményünk nagyfokban megegyezik három másik tanulmányban a DPE-, illetve a MYC protein- fenotípus negatív prediktív értékére vonatkozó észleletekkel, annak ellenére, hogy az ezekben észlelt 34–41%-os DPE-pozitivitásnál tanulmányunkban jelentősen magasabb ezen fenotípus gyakorisága [13–15].

Vizsgálataink alapján nyert főbb következtetéseink:

  1. Az izolált IGH::MYC a DLBCL Hans' főcsoportokra nem specifikus genotípus.

  2. Az IGH::BCL2, izoláltan vagy kombinációban, GCB-szerű limfóma asszociált esemény.

  3. A BCL6-R a nem GCB-szerű Hans' limfóma csoport molekuláris fémjele.

  4. A MYC, BCL2, BCL6 kópiaszám eltérések (nyerés, illetve amplifikáció) mindkét Hans' DLBCL csoportban előfordulnak.

  5. A DPE-fenotípus 100%-os konfidenciával kizárja az IGH::MYC, valamint az IGH::BCL2 és ezek kombinációit hordozó DLBCL genotípusokat.

Nyilatkozat

A közlemény más folyóiratban korábban nem jelent meg, és máshová nem került beküldésre. A levelező szerző elolvasta a szerzői útmutatót.

Anyagi támogatás/köszönetnyilvánítás

A kutatást az NVKP_16-1-2016-0005, az NRDI Hivatal, Magyarország TKP alap, az EFOP-3.6.1-16-2016-0004, TKP 2020/2020-4.1.1., GINOP-2.3.4-15-2020-00010, GINOP-2.3.1-20-2020-00001, BECOMING 2019-1-HU01-KA203-061251, a KA-2019-32, az ELIXIR Magyarország és az MTA PAB Klinikopathologiai Munkabizottsága támogatta.

Etikai Bizottsági engedély – Helsinki Deklaráció

PTE KK RIKEB, ETT TUKEB szakhatósági hozzájárulás alapján kiadott EGYÉI 50268-8/2017 sz. engedély. A dolgozat nem sérti a Helsinki Deklaráció (1975, revízió 2008) előírásait.

Szerzői munkamegosztás

VNI, PL, AH, GyA tervezte a projektet, KJ, HR, GB végezte a GEP és a bioinformatikai vizsgálatokat, RZs, BaA, AH analizálta a klinikai adatokat, HG, BT, CzJ, PA, ÖG, BE, LE, KN, BO, BoA, TL végezte a primer pathologiai diagnosztikát, PL, KL végezte a pathologiai konziliumi diagnosztikát, PL, PG értékelte az iFISH-vizsgálatokat, PL, GyA írta a kéziratot, KB, TT publikációs konzulensként működött közre. Valamennyi szerző olvasta és jóváhagyta a kéziratot.

Érdekeltségek

A szerzőknek nincsenek érdekeltségeik.

RÖVIDÍTÉSEK

ABC

aktivált B-sejt

ÁN

álnegatív

ÁP

álpozitív

COO

‘cell-of-origin’, sejteredet,

CNA

‘copy number alteration’, kópiaszám-változás

DH

‘double hit’, dupla aberráció

DLBCL

diffúz nagy B-sejtes limfóma

DPE

dupla protein expresszor

FFPE

formalinban fixált paraffinba ágyazott

F

fúzió

G/A

gain/amplification, nyerés/amplifikáció

GEP

génexpressziós profil

GCB

germinális centrum B-sejt

HGBL

magas malignitású B-sejtes limfóma

HSR

homogén festődésű régió

iFISH

interfázis fluoreszcens in situ hibridizáció

IH

immunhisztológia

NGS

új generációs szekvenálás

NPV

negatív prediktív érték

PPV

pozitív prediktív érték

R

génátrendeződés

TH

‘triple hit’, tripla aberráció

TPM

transzkriptum per millió

VN

valódi negatív

VP

valódi pozitív

Irodalom

  • [1]

    Alizadeh AA, Eisen MB, Davis RE, et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling. Nature 2000; 403: 503511.

    • Search Google Scholar
    • Export Citation
  • [2]

    Rosenwald A, Wright G, Chan WC, et al. The use of molecular profiling to predict survival after chemotherapy for diffuse large B-cell lymphoma. N Engl J Med 2002; 346: 19371947.

    • Search Google Scholar
    • Export Citation
  • [3]

    Wright G, Tan B✝, Rosenwald A✝, et al. A gene expression-based method to diagnose clinically distinct subgroups of diffuse large B-cell lymphoma. Proc Natl Acad Sci U S A 2003; 100: 99919996.

    • Search Google Scholar
    • Export Citation
  • [4]

    Meyer PN, Fu K, Greiner TC, et al. Immunohistochemical methods for predicting cell of origin and survival in patients with diffuse large B-cell lymphoma treated with Rituximab. J Clin Oncol 2011; 29: 200207.

    • Search Google Scholar
    • Export Citation
  • [5]

    Hans CP, Weisenburger DD, Greiner TC, et al. Confirmation of the molecular classification of diffuse large B-cell lymphoma by immunohistochemistry using a tissue microarray. Blood 2004; 103: 275282.

    • Search Google Scholar
    • Export Citation
  • [6]

    Gascoyne RD. Diffuse large B-cell lymhpoma, NOS. In: Swerdlow SH, editor. WHO Classification of tumours of haematopoietic and lymhpoid tissues. France: International Agency of Research on Cancer; 2017, pp. 291297.

    • Search Google Scholar
    • Export Citation
  • [7]

    Barrans S, Crouch S, Smith A, et al. Rearrangement of MYC is associated with poor prognosis in patients with diffuse large B-cell lymphoma treated in the era of Rituximab. J Clin Oncol 2010; 28: 33603365.

    • Search Google Scholar
    • Export Citation
  • [8]

    Pedersen MØ✝, Gang AO✝, Pulsen TS, et al. MYC translocation partner gene determines survival of patients with large B-cell lymphoma with MYC- or double-hit MYC/BCL2 translocations. Eur J Haematol 2013; 92: 4248.

    • Search Google Scholar
    • Export Citation
  • [9]

    Copie-Bergman C, Cuilliére-Dartigues P, Baia M, et al. MYC-IG rearrangements are negative predictors of survival in DLBCL patients treated with immunochemotherapy: a GELA/LYSA study. Blood 2015; 126: 24662474.

    • Search Google Scholar
    • Export Citation
  • [10]

    Ye Q, Xu-Monette ZY, Tzankov A, et al. Prognostic impact of concurrent MYC and BCL6 rearrangements and expression in de novo diffuse large B-cell lymphoma. Oncotarget 2015; 7: 24012416.

    • Search Google Scholar
    • Export Citation
  • [11]

    Sesques P, Johnson NA. Approach to the diagnosis and treatment of high-grade B-cell lymphomas with MYC and BCL2 and/or BCL6 rearrangements. Blood 2017; 129: 280288.

    • Search Google Scholar
    • Export Citation
  • [12]

    Li S, Young KH, Medeiros LJ. Diffuse large B-cell lymphoma. Pathology 2018; 50: 7487.

  • [13]

    Scott DW, King RL, Staiger A, et al. High-grade B-cell lymphoma with MYC and BCL2 and/or BCL6 rearrangements with diffuse large B-cell lymphoma morphology. Blood 2018; 131: 20602064.

    • Search Google Scholar
    • Export Citation
  • [14]

    Copie-Bergman C. Double-hit DLBCL: should we limit FISH testing? Blood 2018; 131: 19971998.

  • [15]

    Timlin DM, O’Hare K, Walker J, et al. FISH studies in DLBCL: correlations with cell of origin: the Irish experience. J Clin Pathol 2018; 71: 946947.

    • Search Google Scholar
    • Export Citation
  • [16]

    McPhail ED, Maurer MJ, Macon WR, et al. Inferior survival in high-grade B-cell lymphoma with MYC and BCL2 and/or BCL6 rearrangements is not associated with MYC/IG gene rearrangements. Haematologica 2018; 103: 18991907.

    • Search Google Scholar
    • Export Citation
  • [17]

    Ennishi D, Jiang A, Boyle M, et al. Double-hit gene expressions signatura defines a distinct subgroup of germinal center B-cell-like diffuse large B-cell lymphoma. J Clin Oncol 2019; 37: 190201.

    • Search Google Scholar
    • Export Citation
  • [18]

    Pophali PA, Marinelli LM, Ketterling RP, et al. High level MYC amplification in B-cell lymphomas: is it a marker of aggressive disease? Blood Cancer J 2020; 10: 5. https://doi.org/10.1038/s41408-019-0271-z.

    • Search Google Scholar
    • Export Citation
  • [19]

    Wright GW, Huang DW, Phelan JD, et al. A probablastic classification tool for genetic subtypes of diffuse large B-cell lymphoma with therapeutic implications. Cancel Cell 2020; 37: 551568.

    • Search Google Scholar
    • Export Citation
  • [20]

    Alaggio R, Amador C, Anagnostopoulos I, et al. The 5th edition of the World Health Organization classification of Haematolymphoid Tumours: Lymphoid Neoplasms. Leukemia 2022; 36: 17201748.

    • Search Google Scholar
    • Export Citation
  • [21]

    Pajor G, Kajtár B, Pajor L, et al. State-of the-art FISHing: automated analysis of cytogenetic aberrations in interphase nuclei. Cytometry A 2012; 81A: 649663.

    • Search Google Scholar
    • Export Citation
  • [22]

    Liao Y, Smyth GK, Shi W. The R package Rsubread is easier, faster, cheaper and better for alignment and quantification of RNA sequencing reads. Nucleic Acids Res 2019; 47: e47. https://doi.org/10.1093/nar/gkz114.

    • Search Google Scholar
    • Export Citation
  • [23]

    Robinson MD, McCarthy DJ, Smyth GK. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics 2010; 26: 139140.

    • Search Google Scholar
    • Export Citation
  • [24]

    Law CW, Chen Y, Shi W, et al. voom: precision weights unlock linear model analysis tools for RNA-seq read counts. Genome Biol 2014; 15: R29. https://doi.org/10.1186/gb-2014-15-2-r29.

    • Search Google Scholar
    • Export Citation
  • [25]

    Ritchie ME, Phipson B, Wu D, et al. Limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res 2015; 43: e47. https://doi.org/10.1093/nar/gkv007.

    • Search Google Scholar
    • Export Citation
  • [26]

    Yan WH, Jiang XN, Wang WG, et al. Cell-of-Origin subtyping of diffuse large B-cell lymphoma by using a qPCR-based gene expression assay on formalin-fixed paraffin-embedded tissues. Front Oncol 2020; 10: 803. https://doi.org/10.3389/fonc.2020.00803.

    • Search Google Scholar
    • Export Citation
  • [27]

    Campo E. Pathology and classification of aggressive mature B-cell lymphomas. Hematol Oncol 2017; 35: 8083.

  • [28]

    Yoon SO, Jeon YK, Paik JH, et al. MYC translocation and an increased copy number predict poor prognosis in adult diffuse large B-cell lymphoma (DLBCL), especially in germinal centre-like B cell (GCB) type. Histopathology 2008; 53: 205217.

    • Search Google Scholar
    • Export Citation
  • [29]

    Oberman EC, Csató M, Dirnhofer S, et al. Aberrations of the MYC gene in unselected cases of diffuse large B-cell lymphoma are rare and unpredictable by morphological or immunohistochemical assessment. J Clin Pathol 2009; 62: 754756.

    • Search Google Scholar
    • Export Citation
  • [30]

    Barran Sh, Crouch S, Smith A, et al. Rearrangement of MYC is associated with poor prognosis in patients with diffuse large B-cell lymphoma treated in the era of Rituximab. J Clin Oncol 2010; 28: 33603365.

    • Search Google Scholar
    • Export Citation
  • [31]

    Zhang YX, Wang H, Ren C, et al. Correlation between C-MYC, BCL-2 and BCL-6 protein expression and gene translocation as biomarkers in diagnosis and prognosis of diffuse large B-cell lymphoma. Front Pharmacol 2019; 9: 111.

    • Search Google Scholar
    • Export Citation
  • [1]

    Alizadeh AA, Eisen MB, Davis RE, et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling. Nature 2000; 403: 503511.

    • Search Google Scholar
    • Export Citation
  • [2]

    Rosenwald A, Wright G, Chan WC, et al. The use of molecular profiling to predict survival after chemotherapy for diffuse large B-cell lymphoma. N Engl J Med 2002; 346: 19371947.

    • Search Google Scholar
    • Export Citation
  • [3]

    Wright G, Tan B✝, Rosenwald A✝, et al. A gene expression-based method to diagnose clinically distinct subgroups of diffuse large B-cell lymphoma. Proc Natl Acad Sci U S A 2003; 100: 99919996.

    • Search Google Scholar
    • Export Citation
  • [4]

    Meyer PN, Fu K, Greiner TC, et al. Immunohistochemical methods for predicting cell of origin and survival in patients with diffuse large B-cell lymphoma treated with Rituximab. J Clin Oncol 2011; 29: 200207.

    • Search Google Scholar
    • Export Citation
  • [5]

    Hans CP, Weisenburger DD, Greiner TC, et al. Confirmation of the molecular classification of diffuse large B-cell lymphoma by immunohistochemistry using a tissue microarray. Blood 2004; 103: 275282.

    • Search Google Scholar
    • Export Citation
  • [6]

    Gascoyne RD. Diffuse large B-cell lymhpoma, NOS. In: Swerdlow SH, editor. WHO Classification of tumours of haematopoietic and lymhpoid tissues. France: International Agency of Research on Cancer; 2017, pp. 291297.

    • Search Google Scholar
    • Export Citation
  • [7]

    Barrans S, Crouch S, Smith A, et al. Rearrangement of MYC is associated with poor prognosis in patients with diffuse large B-cell lymphoma treated in the era of Rituximab. J Clin Oncol 2010; 28: 33603365.

    • Search Google Scholar
    • Export Citation
  • [8]

    Pedersen MØ✝, Gang AO✝, Pulsen TS, et al. MYC translocation partner gene determines survival of patients with large B-cell lymphoma with MYC- or double-hit MYC/BCL2 translocations. Eur J Haematol 2013; 92: 4248.

    • Search Google Scholar
    • Export Citation
  • [9]

    Copie-Bergman C, Cuilliére-Dartigues P, Baia M, et al. MYC-IG rearrangements are negative predictors of survival in DLBCL patients treated with immunochemotherapy: a GELA/LYSA study. Blood 2015; 126: 24662474.

    • Search Google Scholar
    • Export Citation
  • [10]

    Ye Q, Xu-Monette ZY, Tzankov A, et al. Prognostic impact of concurrent MYC and BCL6 rearrangements and expression in de novo diffuse large B-cell lymphoma. Oncotarget 2015; 7: 24012416.

    • Search Google Scholar
    • Export Citation
  • [11]

    Sesques P, Johnson NA. Approach to the diagnosis and treatment of high-grade B-cell lymphomas with MYC and BCL2 and/or BCL6 rearrangements. Blood 2017; 129: 280288.

    • Search Google Scholar
    • Export Citation
  • [12]

    Li S, Young KH, Medeiros LJ. Diffuse large B-cell lymphoma. Pathology 2018; 50: 7487.

  • [13]

    Scott DW, King RL, Staiger A, et al. High-grade B-cell lymphoma with MYC and BCL2 and/or BCL6 rearrangements with diffuse large B-cell lymphoma morphology. Blood 2018; 131: 20602064.

    • Search Google Scholar
    • Export Citation
  • [14]

    Copie-Bergman C. Double-hit DLBCL: should we limit FISH testing? Blood 2018; 131: 19971998.

  • [15]

    Timlin DM, O’Hare K, Walker J, et al. FISH studies in DLBCL: correlations with cell of origin: the Irish experience. J Clin Pathol 2018; 71: 946947.

    • Search Google Scholar
    • Export Citation
  • [16]

    McPhail ED, Maurer MJ, Macon WR, et al. Inferior survival in high-grade B-cell lymphoma with MYC and BCL2 and/or BCL6 rearrangements is not associated with MYC/IG gene rearrangements. Haematologica 2018; 103: 18991907.

    • Search Google Scholar
    • Export Citation
  • [17]

    Ennishi D, Jiang A, Boyle M, et al. Double-hit gene expressions signatura defines a distinct subgroup of germinal center B-cell-like diffuse large B-cell lymphoma. J Clin Oncol 2019; 37: 190201.

    • Search Google Scholar
    • Export Citation
  • [18]

    Pophali PA, Marinelli LM, Ketterling RP, et al. High level MYC amplification in B-cell lymphomas: is it a marker of aggressive disease? Blood Cancer J 2020; 10: 5. https://doi.org/10.1038/s41408-019-0271-z.

    • Search Google Scholar
    • Export Citation
  • [19]

    Wright GW, Huang DW, Phelan JD, et al. A probablastic classification tool for genetic subtypes of diffuse large B-cell lymphoma with therapeutic implications. Cancel Cell 2020; 37: 551568.

    • Search Google Scholar
    • Export Citation
  • [20]

    Alaggio R, Amador C, Anagnostopoulos I, et al. The 5th edition of the World Health Organization classification of Haematolymphoid Tumours: Lymphoid Neoplasms. Leukemia 2022; 36: 17201748.

    • Search Google Scholar
    • Export Citation
  • [21]

    Pajor G, Kajtár B, Pajor L, et al. State-of the-art FISHing: automated analysis of cytogenetic aberrations in interphase nuclei. Cytometry A 2012; 81A: 649663.

    • Search Google Scholar
    • Export Citation
  • [22]

    Liao Y, Smyth GK, Shi W. The R package Rsubread is easier, faster, cheaper and better for alignment and quantification of RNA sequencing reads. Nucleic Acids Res 2019; 47: e47. https://doi.org/10.1093/nar/gkz114.

    • Search Google Scholar
    • Export Citation
  • [23]

    Robinson MD, McCarthy DJ, Smyth GK. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics 2010; 26: 139140.

    • Search Google Scholar
    • Export Citation
  • [24]

    Law CW, Chen Y, Shi W, et al. voom: precision weights unlock linear model analysis tools for RNA-seq read counts. Genome Biol 2014; 15: R29. https://doi.org/10.1186/gb-2014-15-2-r29.

    • Search Google Scholar
    • Export Citation
  • [25]

    Ritchie ME, Phipson B, Wu D, et al. Limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res 2015; 43: e47. https://doi.org/10.1093/nar/gkv007.

    • Search Google Scholar
    • Export Citation
  • [26]

    Yan WH, Jiang XN, Wang WG, et al. Cell-of-Origin subtyping of diffuse large B-cell lymphoma by using a qPCR-based gene expression assay on formalin-fixed paraffin-embedded tissues. Front Oncol 2020; 10: 803. https://doi.org/10.3389/fonc.2020.00803.

    • Search Google Scholar
    • Export Citation
  • [27]

    Campo E. Pathology and classification of aggressive mature B-cell lymphomas. Hematol Oncol 2017; 35: 8083.

  • [28]

    Yoon SO, Jeon YK, Paik JH, et al. MYC translocation and an increased copy number predict poor prognosis in adult diffuse large B-cell lymphoma (DLBCL), especially in germinal centre-like B cell (GCB) type. Histopathology 2008; 53: 205217.

    • Search Google Scholar
    • Export Citation
  • [29]

    Oberman EC, Csató M, Dirnhofer S, et al. Aberrations of the MYC gene in unselected cases of diffuse large B-cell lymphoma are rare and unpredictable by morphological or immunohistochemical assessment. J Clin Pathol 2009; 62: 754756.

    • Search Google Scholar
    • Export Citation
  • [30]

    Barran Sh, Crouch S, Smith A, et al. Rearrangement of MYC is associated with poor prognosis in patients with diffuse large B-cell lymphoma treated in the era of Rituximab. J Clin Oncol 2010; 28: 33603365.

    • Search Google Scholar
    • Export Citation
  • [31]

    Zhang YX, Wang H, Ren C, et al. Correlation between C-MYC, BCL-2 and BCL-6 protein expression and gene translocation as biomarkers in diagnosis and prognosis of diffuse large B-cell lymphoma. Front Pharmacol 2019; 9: 111.

    • Search Google Scholar
    • Export Citation
  • Collapse
  • Expand

 

The author instruction is available in PDF.
Please, download the file from HERE.
 

 

  • Árpád ILLÉS (Debreceni Egyetem, főszerkesztő)
  • Csaba BÖDÖR (Semmelweis Egyetem, főszerkesztő-helyettes)
  • Judit DEMETER (Semmelweis Egyetem, főszerkesztő-helyettes)
  • Lajos GERGELY (Debreceni Egyetem, főszerkesztő-helyettes)
  • Imelda MARTON (Szegedi Tudományegyetem, főszerkesztő-helyettes)
  • Gábor MIKALA (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, főszerkesztő-helyettes)
  • Sándor FEKETE (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, emeritus főszerkesztő)
  • Hussain ALIZADEH (Pécsi Tudományegyetem, szerkesztő)
  • Hajnalka ANDRIKOVICS (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, szerkesztő)
  • Zita BORBÉNYI (Szegedi Tudományegyetem, szerkesztő)
  • Miklós EGYED (Somogy Megyei Kaposi Mór Oktató Kórház, szerkesztő)
  • Zsuzsanna FAUST (Pécsi Tudományegyetem, szerkesztő)
  • Béla KAJTÁR (Pécsi Tudományegyetem, szerkesztő)
  • Gergely KRIVÁN (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, szerkesztő)
  • András MASSZI (Országos Onkológiai Intézet, szerkesztő)
  • Tamás MASSZI (Semmelweis Egyetem, szerkesztő)
  • Zsolt György NAGY (Semmelweis Egyetem, szerkesztő)
  • Márk PLANDER (Vas Vármegyei Markusovszky Egyetemi Oktatókórház, szerkesztő)
  • György PFLIEGLER (Debreceni Egyetem, szerkesztő)
  • Péter REMÉNYI (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, szerkesztő)
  • Marienn RÉTI (Dél-Pesti Centrumkórház, Országos Hematológiai és Infektológiai Intézet, szerkesztő)
  • János SINKÓ (Semmelweis Egyetem, szerkesztő)
  • László SZERAFIN (Szabolcs-Szatmár-Bereg Megyei Jósa András Oktatókórház, Nyíregyháza, szerkesztő)

Hematológia-Transzfuziológia Szerkesztőség
Dr. Illés Árpád
Debreceni Egyetem Klinikai Központ
Belgyógyászati Intézet B épület
4012 Debrecen, Nagyerdei krt. 98. Pf.: 20.
E-mail: illesarpaddr@gmail.com

  • CABELLS Journalytics

2020  
CrossRef Documents 16
CrossRef Cites 0
CrossRef H-index 1
Days from submission to acceptance 27
Days from acceptance to publication 28
Acceptance Rate 100%

2019  
CrossRef
Documents
27
Acceptance
Rate
98%

 

Hematológia-Transzfuziológia
Publication Model Hybrid
Submission Fee none
Article Processing Charge 900 EUR/article
Regional discounts on country of the funding agency World Bank Lower-middle-income economies: 50%
World Bank Low-income economies: 100%
Further Discounts Editorial Board / Advisory Board members: 50%
Corresponding authors, affiliated to an EISZ member institution subscribing to the journal package of Akadémiai Kiadó: 100%
Subscription fee 2023 Online subsscription: 86 EUR / 102 USD
Subscription Information Online subscribers are entitled access to all back issues published by Akadémiai Kiadó for each title for the duration of the subscription, as well as Online First content for the subscribed content.
Purchase per Title Individual articles are sold on the displayed price.

Hematológia-Transzfuziológia
Language Hungarian
Size A4
Year of
Foundation
2004
Volumes
per Year
1
Issues
per Year
4
Founder Magyar Hematológiai és Transzfuziológiai Társaság
Founder's
Address
Szent László Kórház, Hematológiai Osztály H-1097 Budapest, Hungary Gyáli út 5-7.
Publisher Akadémiai Kiadó
Publisher's
Address
H-1117 Budapest, Hungary 1516 Budapest, PO Box 245.
Responsible
Publisher
Chief Executive Officer, Akadémiai Kiadó
ISSN 1786-5913 (Print)

Monthly Content Usage

Abstract Views Full Text Views PDF Downloads
Oct 2023 0 51 36
Nov 2023 0 67 54
Dec 2023 0 124 54
Jan 2024 0 168 73
Feb 2024 0 160 48
Mar 2024 0 90 49
Apr 2024 0 25 17