Local Recurrence after Breast-Conserving Therapy in Relation to Gene Expression Patterns in a Large Series of Patients
Notice bibliographique
Résumé
PURPOSE: The majority of patients with early-stage breast cancer are treated with breast-conserving therapy (BCT). Several clinical risk factors are associated with local recurrence (LR) after BCT but are unable to explain all instances of LR after BCT. Here, gene expression microarrays are used to identify novel risk factors for LR after BCT. EXPERIMENTAL DESIGN: Gene expression profiles of 56 primary invasive breast carcinomas from patients who developed a LR after BCT were compared with profiles of 109 tumors from patients who did not develop a LR after BCT. Both unsupervised and supervised methods of classification were used to separate patients into groups corresponding to disease outcome. In addition, for 15 patients, the gene expression profile in the recurrence was compared with that of the primary tumor. RESULTS: The two main clusters found by hierarchical cluster analysis of all 165 primary invasive breast carcinomas revealed no association with LR. Predefined gene sets (molecular subtypes and "chromosomal instability" signature) are associated with LR (P = 0.0002 and 0.003, respectively). Significant analysis of microarrays revealed an association between LR and cell proliferation, not captured by histologic grading. Class prediction analysis constructed a gene classifier, which was successfully validated, cross-platform, on an independent data set of 161 patients (log-rank P = 0.041). In multivariate analysis, young age was the only independent predictor of LR. CONCLUSIONS: We have constructed and cross-platform validated a gene expression profile predictive for LR after BCT, which is characterized by genes involved in cell proliferation but not a surrogate for high histologic grade.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 0,000 |
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 tête enseignante, 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 ».