MMP-9 expression varies according to molecular subtypes of breast cancer
Notice bibliographique
Résumé
BACKGROUND: In 2014, breast cancer remains a major cause of mortality worldwide mostly due to tumor relapse and metastasis. There is currently a great interest in identifying cancer biomarkers and signalling pathways mechanistically related to breast cancer progression. Matrix metalloproteinase-9 (MMP-9) is a member of matrix degrading enzymes involved in cancer development, invasion and metastasis. Our objective was to investigate MMP-9 expression in normal human breast tissue and to compare it to that of breast cancer of various histological grades and molecular subtypes. We also sought to correlate MMP-9 expression with the incidence of metastasis, survival rates and relapse in breast cancer patients. METHODS: MMP-9 was first studied using in silico analysis on available DNA microarray and RNA sequencing data of human breast cancer tissues and human breast cancer cell lines. We next ascertained MMP-9 expression in both normal breast tissue and in human breast carcinoma tissue microarrays. RESULTS: Significant increase in MMP-9 expression was found in breast cancer cells where compared to normal breast tissue. A positive correlation could also be established between elevated levels of MMP-9 and breast cancer of high histological grade. Furthermore, our results indicate that not only MMP-9 is differentially expressed between each molecular subset but also, more importantly MMP-9 overexpression revealed itself as a startling feature of triple-negative and HER2-positive breast cancers. Lastly, the clinical relevance of MMP-9 overexpression is strongly supported by its significant association with a higher incidence of metastasis and relapse. CONCLUSIONS: Differential expression of MMP-9 reflects the extent of cellular differentiation in breast cancer cells and is closely related to the most aggressive subtypes of breast cancer. Hence, MMP-9 is a promising prognostic biomarker of high-grade breast cancer. In our opinion, MMP-9 expression could help segregate subsets of aggressive breast cancer into clinically meaningful subtypes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».