MétaCan
Menu
← Retour à la cohorte
Enregistrement W2534319025 · doi:10.1158/1538-7445.tme16-ia23

Abstract IA23: Deconvolution of the triple-negative breast cancer microenvironment

2016· article· en· W2534319025 sur OpenAlexaff
Sadiq M.I. Saleh, Tina Gruosso, Mathieu Gigoux, Nicholas Bertos, Atilla Ömeroğlu, Dongmei Zuo, Sarkis Meterissian, Michael Hallett, Morag Park

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensConcordia UniversityMcGill UniversityOccupational Cancer Research Centre
Organismes subventionnairesnon disponible
Mots-clésTumor microenvironmentTriple-negative breast cancerStromal cellBreast cancerCD8Gene signatureImmune systemCancerCancer researchMedicineBiologyOncologyImmunologyInternal medicineGene expressionGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Breast cancer heterogeneity is one of the principal obstacles both to predicting outcome and to determining an effective course of treatment for this disease. Although genomic technologies have been used to gain a better understanding, by identifying gene expression signatures associated with clinical outcome and breast cancer subtypes, relatively little is known about heterogeneity in the tumor microenvironment. It is now accepted that changes in the normal cells that constitute the tumor microenvironment (TME) play important roles in determining cancer progression and ultimate outcome. We and others have established that an immune gene expression signature correlates with good outcome in triple negative breast cancer (TNBC), yet fails to accurately predict outcome in all patients. Examining stromal heterogeneity in TNBC has identified four distinct stromal clusters, three of which are prognostic, contain distinct immune signatures and a signature of fibrosis. Lymphocytic infiltration and access to tumor parenchyma is not well understood due to high levels of spatial heterogeneity within tumors. We show that location of CD8+T cells is strongly influenced by TME subtypes and identify gene expression signatures predictive of distinct CD8+T cell localization and patient outcome. Since mounting evidence suggests that immune-checkpoint inhibitor immunotherapies may be promising for only a subset of TNBC patients, highlights the importance of understanding how the TME influences CD8+T cell location. Citation Format: Sadiq Saleh, Tina Gruosso, Mathieu Gigoux, Nicholas Bertos, Atilla Omeroglu, Dongmei Zuo, Sarkis Meterissian, Michael Hallett, Morag Park. Deconvolution of the triple-negative breast cancer microenvironment. [abstract]. In: Proceedings of the AACR Special Conference: Function of Tumor Microenvironment in Cancer Progression; 2016 Jan 7–10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2016;76(15 Suppl):Abstract nr IA23.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,377
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→