Pathway-Enriched Gene Signature Associated with 53BP1 Response to PARP Inhibition in Triple-Negative Breast Cancer
Notice bibliographique
Résumé
Abstract Effective treatment of patients with triple-negative (ER-negative, PR-negative, HER2-negative) breast cancer remains a challenge. Although PARP inhibitors are being evaluated in clinical trials, biomarkers are needed to identify patients who will most benefit from anti-PARP therapy. We determined the responses of three PARP inhibitors (veliparib, olaparib, and talazoparib) in a panel of eight triple-negative breast cancer cell lines. Therapeutic responses and cellular phenotypes were elucidated using high-content imaging and quantitative immunofluorescence to assess markers of DNA damage (53BP1) and apoptosis (cleaved PARP). We determined the pharmacodynamic changes as percentage of cells positive for 53BP1, mean number of 53BP1 foci per cell, and percentage of cells positive for cleaved PARP. Inspired by traditional dose–response measures of cell viability, an EC50 value was calculated for each cellular phenotype and each PARP inhibitor. The EC50 values for both 53BP1 metrics strongly correlated with IC50 values for each PARP inhibitor. Pathway enrichment analysis identified a set of DNA repair and cell cycle–associated genes that were associated with 53BP1 response following PARP inhibition. The overall accuracy of our 63 gene set in predicting response to olaparib in seven breast cancer patient-derived xenograft tumors was 86%. In triple-negative breast cancer patients who had not received anti-PARP therapy, the predicted response rate of our gene signature was 45%. These results indicate that 53BP1 is a biomarker of response to anti-PARP therapy in the laboratory, and our DNA damage response gene signature may be used to identify patients who are most likely to respond to PARP inhibition. Mol Cancer Ther; 16(12); 2892–901. ©2017 AACR.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».