Gene-expression profiling of microdissected breast cancer microvasculature identifies distinct tumor vascular subtypes
Notice bibliographique
Résumé
INTRODUCTION: Angiogenesis represents a potential therapeutic target in breast cancer. However, responses to targeted antiangiogenic therapies have been reported to vary among patients. This suggests that the tumor vasculature may be heterogeneous and that an appropriate choice of treatment would require an understanding of these differences. METHODS: To investigate whether and how the breast tumor vasculature varies between individuals, we isolated tumor-associated and matched normal vasculature from 17 breast carcinomas by laser-capture microdissection, and generated gene-expression profiles. Because microvessel density has previously been associated with disease course, tumors with low (n = 9) or high (n = 8) microvessel density were selected for analysis to maximize heterogeneity for this feature. RESULTS: We identified differences between tumor and normal vasculature, and we describe two subtypes present within tumor vasculature. These subtypes exhibit distinct gene-expression signatures that reflect features including hallmarks of vessel maturity. Potential therapeutic targets (MET, ITGAV, and PDGFRβ) are differentially expressed between subtypes. Taking these subtypes into account has allowed us to derive a vascular signature associated with disease outcome. CONCLUSIONS: Our results further support a role for tumor microvasculature in determining disease progression. Overall, this study provides a deeper molecular understanding of the heterogeneity existing within the breast tumor vasculature and opens new avenues toward the improved design and targeting of antiangiogenic therapies.
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 ».