We aimed to establish a discriminative gene-expression-based classifier to predict survival outcomes of T-cell lymphoblastic lymphoma (T-LBL) patients. After exploring global gene-expression profiles of progressive (n = 22) vs. progression-free (n = 28) T-LBL patients, 43 differentially expressed mRNAs were identified. Then an eleven-gene-based classifier was established using LASSO Cox regression based on NanoString quantification. In the training cohort (n = 169), high-risk patients stratified using the classifier had significantly lower progression-free survival (PFS: hazards ratio 4.123, 95% CI 2.565-6.628; p < 0.001), disease-free survival (DFS: HR 3.148, 95% CI 1.857-5.339; p < 0.001), and overall survival (OS: HR 3.790, 95% CI 2.237-6.423; p < 0.001) compared with low-risk patients. The prognostic accuracy of the classifier was validated in the internal testing (n = 84) and independent validation cohorts (n = 360). A prognostic nomogram consisting of five independent variables including the classifier, lactate dehydrogenase levels, ECOG-PS, central nervous system involvement, and NOTCH1/FBXW7 status showed significantly greater prognostic accuracy than each single variable alone. The addition of a five-miRNA-based signature further enhanced the accuracy of this nomogram. Furthermore, patients with a nomogram score ≥154.2 significantly benefited from the BFM protocol. In conclusion, our nomogram comprising the 11-gene-based classifier may make contributions to individual prognosis prediction and treatment decision-making.

中文翻译：

---

一个基于基因表达的签名可以预测成人T细胞淋巴母细胞淋巴瘤的生存：一项多中心研究。

我们旨在建立一个基于判别性基因表达的分类器，以预测T细胞淋巴母细胞性淋巴瘤（T-LBL）患者的生存结果。在探究进行性（n = 22）与无进展（n = 28）T-LBL患者的整体基因表达谱后，鉴定出43种差异表达的mRNA。然后使用基于NanoString量化的LASSO Cox回归建立了基于11个基因的分类器。在训练队列中（n = 169），使用分类器进行分层的高危患者的无进展生存期明显降低（PFS：危险比4.123，95％CI 2.565-6.628； p <0.001），无病生存期（DFS） ：与低危患者相比，HR 3.148，95％CI 1.857-5.339； p <0.001）和总体存活率（OS：HR 3.790，95％CI 2.237-6.423； p <0.001）。在内部测试（n = 84）和独立的验证队列（n = 360）中验证了分类器的预后准确性。由五个独立变量（包括分类器，乳酸脱氢酶水平，ECOG-PS，中枢神经系统受累和NOTCH1 / FBXW7状态）组成的预后诺模图显示的预后准确性要比单独每个单独变量高得多。添加基于五个miRNA的签名进一步提高了该列线图的准确性。此外，列线图评分≥154.2的患者从BFM方案中显着受益。总之，我们的诺模图包括基于11个基因的分类器，可能有助于个人预后的预测和治疗决策。由五个独立变量（包括分类器，乳酸脱氢酶水平，ECOG-PS，中枢神经系统受累和NOTCH1 / FBXW7状态）组成的预后诺模图显示的预后准确性要比单独每个单独变量高得多。添加基于五个miRNA的签名进一步提高了该列线图的准确性。此外，列线图评分≥154.2的患者从BFM方案中显着受益。总之，我们的诺模图包括基于11个基因的分类器，可能有助于个人预后的预测和治疗决策。由五个独立变量（包括分类器，乳酸脱氢酶水平，ECOG-PS，中枢神经系统受累和NOTCH1 / FBXW7状态）组成的预后诺模图显示的预后准确性要比单独每个单独变量高得多。添加基于五个miRNA的签名进一步提高了该列线图的准确性。此外，列线图评分≥154.2的患者从BFM方案中显着受益。总之，我们的诺模图包括基于11个基因的分类器，可能有助于个人预后的预测和治疗决策。和NOTCH1 / FBXW7状态显示的预后准确性明显高于每个单独的变量。添加基于五个miRNA的签名进一步提高了该列线图的准确性。此外，列线图评分≥154.2的患者从BFM方案中显着受益。总之，我们的诺模图包括基于11个基因的分类器，可能有助于个人预后的预测和治疗决策。和NOTCH1 / FBXW7状态显示的预后准确性明显高于每个单独的变量。添加基于五个miRNA的签名进一步提高了该列线图的准确性。此外，列线图评分≥154.2的患者从BFM方案中显着受益。总之，我们的诺模图包括基于11个基因的分类器，可能有助于个人预后的预测和治疗决策。