SUPPLEMENTARY MATERIAL: Transcriptomic analysis reveals pro-inflammatory signatures associated with acute myeloid leukemia progression SUPPLEMENTARY MATERIAL: Transcriptomic analysis reveals pro-inflammatory signatures associated with acute myeloid leukemia progression 2024-338-1 https://doi.org/10.57804/xryk-dn78 Swedish National Data Service Svensk nationell datatjänst Landing page SUPPLEMENTARY MATERIAL: Transcriptomic analysis reveals pro-inflammatory signatures associated with acute myeloid leukemia progression SUPPLEMENTARY MATERIAL: Transcriptomic analysis reveals pro-inflammatory signatures associated with acute myeloid leukemia progression 2024-338-1 https://doi.org/10.57804/xryk-dn78 urn:nbn:se:uu:diva-427202 10.1182/bloodadvances.2021004962 Stratmann, Svea Stratmann, Svea Yones, Sara A. Yones, Sara A. Garbulowski, Mateusz Garbulowski, Mateusz Sun, Jitong Sun, Jitong Skaftason, Aron Skaftason, Aron Mayrhofer, Markus Mayrhofer, Markus Norgren, Nina Norgren, Nina Herlin, Morten Krogh Herlin, Morten Krogh Sundström, Christer Sundström, Christer Eriksson, Anna Eriksson, Anna Höglund, Martin Höglund, Martin Palle, Josefine Palle, Josefine Abrahamsson, Jonas Abrahamsson, Jonas Jahnukainen, Kirsi Jahnukainen, Kirsi Munthe-Kaas, Monica Cheng Munthe-Kaas, Monica Cheng Zeller, Bernward Zeller, Bernward Tamm, Katja Pokrovskaja Tamm, Katja Pokrovskaja Cavelier, Lucia Cavelier, Lucia Swedish National Data Service Svensk nationell datatjänst Landing page acute myeloid leukemia akut myeloisk leukemi Numerous studies have been performed over the last decade to exploit the complexity of genomic and transcriptomic lesions driving the initiation of acute myeloid leukemia (AML). These studies have helped improve risk classification and treatment options. Detailed molecular characterization of longitudinal AML samples is sparse, however; meanwhile, relapse and therapy resistance represent the main challenges in AML care. To this end, we performed transcriptome-wide RNA sequencing of longitudinal diagnosis, relapse, and/or primary resistant samples from 47 adult and 23 pediatric AML patients with known mutational background. Data consists of a supplemental Pdf file and an Excel file with following tables: Supplemental Table 1. Study cohort sample overview Supplemental Table 2. Study cohort sample characteristics Supplemental Table 3. Clinical information Supplemental Table 4. Characteristics of CD34+ BM-control samples Supplemental Table 5. Antibody information Supplemental Table 6. RNA-seq statistics Supplemental Table 7. SNVs and small InDels detected by RNA-seq Supplemental Table 8. Comprised metadata and RNA-seq- and WGS/WES results Supplemental Table 9. Fusion transcripts in R/PR AML Supplemental Table 10. Sample usage for generation of various analyses Supplemental Table 11. DEGs associated with short vs. long EFS Supplemental Table 12. GO-analysis of DEGs between short vs. long EFS-associated samples Supplemental Table 13. Statistics associated with survival analyses Supplemental Table 14. DEGs between patient-matched diagnosis and relapse samples Supplemental Table 15. GO-analysis of DEGs between patient-matched diagnosis and relapse samples Supplemental Table 16. Machine learning model rules for diagnosis and relapse in adult AML Supplemental Table 17. Machine learning model rules for diagnosis and relapse in pediatric AML Supplemental Table 18. Machine learning model rules for diagnosis and relapse in pediatric AML (features merged with TARGET) Supplemental Table 19. Machine learning model rules for diagnosis and relapse in the TARGET cohort (features merged with Local Pediatric) Supplemental Table 20. Verification of transcriptomic fusion events and associated primer information The dataset was originally published in DiVA and moved to SND in 2024. Studie beskriven i den engelska versionen av denna katalogpost. Data består av en kompletterande Pdf-fil och en Excel-fil med följande tabeller: Kompletterande tabell 1. Översikt över urval av studiekohort Kompletterande tabell 2. Egenskaper för urvalet av studiekohorten Kompletterande tabell 3. Klinisk information Kompletterande tabell 4. Egenskaper hos CD34+ BM-kontrollprover Kompletterande tabell 5. Information om antikroppar Kompletterande tabell 6. Statistik för RNA-seq Kompletterande tabell 7. SNV:er och små InDels som upptäckts med RNA-seq Kompletterande tabell 8. Samlade metadata och RNA-seq- och WGS/WES-resultat Kompletterande tabell 9. Fusionstranskript i R/PR AML Kompletterande tabell 10. Provanvändning för generering av olika analyser Kompletterande tabell 11. DEG associerade med kort kontra lång EFS Kompletterande tabell 12. GO-analys av DEG mellan korta och långa EFS-associerade prover Kompletterande tabell 13. Statistik i samband med överlevnadsanalyser Kompletterande tabell 14. DEG mellan patientmatchade diagnos- och återfallsprover Kompletterande tabell 15. GO-analys av DEGs mellan patientmatchade diagnos- och återfallsprover Kompletterande tabell 16. Regler för maskininlärningsmodeller för diagnos och återfall i AML hos vuxna Kompletterande tabell 17. Regler för maskininlärningsmodeller för diagnos och återfall i AML hos barn Kompletterande tabell 18. Modellregler för maskininlärning för diagnos och återfall i pediatrisk AML (funktioner sammanslagna med TARGET) Kompletterande tabell 19. Modellregler för maskininlärning för diagnos och återfall i TARGET-kohorten (funktioner sammanslagna med Local Pediatric) Kompletterande tabell 20. Verifiering av transkriptomiska fusionshändelser och tillhörande primerinformation Datasetet har ursprungligen publicerats i DiVA och flyttades över till SND 2024. Numeric Still image Access to data through SND. Data are freely accessible. Åtkomst till data via SND. Data är fritt tillgängliga. openAccess