Abstract 638: Clinical characteristics of breast cancer xenograft models
Notice bibliographique
Résumé
Abstract Purpose: We have expertise in breast cancer xenograft models and have previously published data on clonal dynamics. Our aim was to explore clinical characteristics of those patients (pts) whose breast cancer tumours engrafted versus those that did not. Methods: Tissue from pts enrolled in a locally advanced/metastatic (MBC) study and a breast tumour tissue repository between Sept. 2008 and July 2014 underwent xenografting using NodScid/IL2rgKO (NSG) mice. Xenografts were passaged when tumour volume reached 1 cm3. Mice were sacrificed if no engraftment by 12 months (mos). Pt charts were reviewed to determine biomarker status (hormone receptor [HR], HER2), grade, LVI, time free from disease/progression, and pathologic complete response (pCR) for pts receiving neoadjuvant therapy. Results: A total of 64 pts had known xenograft status: 32 engrafters, 32 non-engrafters. Biomarker status did not predict likelihood of engraftment (p = .0695) and is shown in Table 1 along with site/timing of biopsy for tissue engraftment within biomarker groups. When HER2+ cases are excluded from analysis, the HR-/HER2- phenotype yields a 72% probability of engraftment compared to 39% for the HR+/HER2- group (p = .0418). For engrafters, 22/32 (68%) of pts had or went on to have relapsed or de novo MBC. For non-engrafters, 7/32 (22%) had or went on to have relapsed disease (p = .0004). Grade and LVI did not predict engraftment (p = .1806 and p = .8657 respectively). No grade 1 tumours engrafted (n = 3). There were 25 pts who received neoadjuvant chemotherapy: 14 engrafters, 11 non-engrafters. None of the engrafters achieved a pCR; 3 non-engrafters achieved a pCR. Median time to engraftment was 5 mos for pts with relapsed/advanced disease vs 9.8 mos for pts who did not relapse however, treatment was variable. Conclusion: This preliminary study highlights potential differences in clinical characteristics of engrafters vs non-engrafters in breast cancer xenograft models and warrants further exploration. (Funded by CBCRA, BCCF) TABLE 1.Biomarker status, tissue site/type in attempted xenografts.Engrafter (N = 32) N, (%)Non-engrafter (N = 32) N, (%)HR+/HER2-14 (44)22 (69)Tissue from:Primary tumour419Recurrence23Advanced dz on therapy80HR-/HER2-13 (40)5 (16)Tissue from:Primary tumour114Recurrence21Advanced dz on therapy00HER2+/HR+0 (0)2 (9)Tissue from:Primary tumour02Recurrence00Advanced dz on therapy00HER2+/HR-5 (16)3 (9)Tissue from:Primary tumour42Recurrence01Advanced dz on therapy10 Citation Format: Wendie D. den Brok, Stephen Chia, Cherie Bates, Steve Kalloger, Samuel Aparicio, Mar Mar, Karen Gelmon, Peter Eirew. Clinical characteristics of breast cancer xenograft models. [abstract]. In: Proceedings of the 107th Annual Meeting of the American Association for Cancer Research; 2016 Apr 16-20; New Orleans, LA. Philadelphia (PA): AACR; Cancer Res 2016;76(14 Suppl):Abstract nr 638.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».