Functional proteomics can define prognosis and predict pathologic complete response in patients with breast cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine whether functional proteomics improves breast cancer classification and prognostication and can predict pathological complete response (pCR) in patients receiving neoadjuvant taxane and anthracycline-taxane-based systemic therapy (NST). METHODS: Reverse phase protein array (RPPA) using 146 antibodies to proteins relevant to breast cancer was applied to three independent tumor sets. Supervised clustering to identify subgroups and prognosis in surgical excision specimens from a training set (n = 712) was validated on a test set (n = 168) in two cohorts of patients with primary breast cancer. A score was constructed using ordinal logistic regression to quantify the probability of recurrence in the training set and tested in the test set. The score was then evaluated on 132 FNA biopsies of patients treated with NST to determine ability to predict pCR. RESULTS: Six breast cancer subgroups were identified by a 10-protein biomarker panel in the 712 tumor training set. They were associated with different recurrence-free survival (RFS) (log-rank p = 8.8 E-10). The structure and ability of the six subgroups to predict RFS was confirmed in the test set (log-rank p = 0.0013). A prognosis score constructed using the 10 proteins in the training set was associated with RFS in both training and test sets (p = 3.2E-13, for test set). There was a significant association between the prognostic score and likelihood of pCR to NST in the FNA set (p = 0.0021). CONCLUSION: We developed a 10-protein biomarker panel that classifies breast cancer into prognostic groups that may have potential utility in the management of patients who receive anthracycline-taxane-based NST.
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.
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 | 0,000 | 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 découle