Development of a predictive microRNA signature for node-negative breast cancer
Notice bibliographique
Résumé
4427 Introduction: Small noncoding RNAs (miRNAs) negatively regulate target gene expression at both the transcriptional and translational levels. Accumulating evidence indicates that aberrant expression of miRNAs is involved in cancer development and progression. Hypothesizing that there is a miRNA signature specific to lymph node negative (LNN) invasive breast cancer (BC) that could be used to predict disease recurrence, we performed global miRNA expression profiling on surgically excised LNN breast tumors. Experimental Procedures: Seventy-four archival formalin fixed and paraffin embedded (FFPE) lumpectomy blocks were selected: 34 from patients with relapse and 40 from patients without relapse. After macro-dissection, total RNA was isolated, and the level of expression of 365 human and 3 reference miRNAs were measured using qRT-PCR (TaqMan Low Density Array platform (Applied Biosystem)). Six reductional mammoplasty were also analyzed as “normal” comparators. ER and Her2/neu expression were assessed by immunohistochemistry. Unsupervised pattern recognition was performed with agglomerative hierarchical clustering. Tumour-normal comparisons were done using the t-test with Welch’s correction for unequal variances. Results: Amongst these 74 patients, 62 (84%) were ER positive while 12 (16%) were ER negative. Her-2/neu assessments indicated that 60 patients (81%) were her-2/neu negative, while 6 (8%) were positive, and the remaining 8 (11%) were equivocal. We analyzed the technical reproducibility of representative normal and tumour samples, and found excellent inter-experimental reproducibility. Correlation coefficients exceeded 0.95. Amongst the 365 miRNAs assayed, 244 (67%) showed expression in breast epithelial tissues. Unsupervised pattern recognition showed that miRNA expression naturally separates tumour vs . normal tissues into separate groups. In total, 68 miRNAs were significantly differentially expressed (p vs . non-relapsed samples, suggesting that there is a subset of miRNAs whose expression could be associated with a higher risk of BC recurrence. Data on miRNA expression patterns associated with ER or her2/neu expression will also be presented. Conclusion: Our data demonstrate for the first time, that global miRNA expression profiling can be conducted successfully from FFPE breast cancer specimens. Furthermore, we have identified a distinct subset of miRNAs whose expression pattern in LNN invasive BC could be associated with clinical outcome. These results suggest that a miRNA signature could be used as a predictive marker for human breast cancer.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».