Abstract 1044: Establishment and characterization of rare breast patient-derived xenograft models as a potential resource for personalized medicine
Notice bibliographique
Résumé
Abstract Breast cancer (BC) exhibits a wide range of morphologic phenotypes and gene expression profiles. Most of the studies that led to the identification of intrinsic molecular subtypes in BC were limited to invasive ductal carcinomas of the breast and did not take rare histopathologic subtypes into account. Rare histopathologic BC subtypes (collectively less than 2% of all breast cancer) have particular prognostic and clinical characteristics. There is no current established treatment that takes into account the specificity of rare BC subtypes. This is mainly due to the absence of clinical trials to determine the optimal management of these rare pathologies. The establishment of relevant preclinical models and molecular characterization of rare BC subtypes is essential for identifying directed and suitable therapeutic regimens for BC patients diagnosed with these rare histopathologic variants. Patient-derived xenograft (PDX) has been recognized as a valuable method to evaluate the clinical diversity of breast cancer. These models were shown to be predictive of clinical outcomes and are being used for preclinical drug evaluation, biomarker identification, and personalized medicine strategies. We developed a cohort of eight BC rare histopathologic subtypes, including four metaplastic, one adenoid cystic, one IDC pleomorphic, one neuroendocrine, and one mucinous BC subtype. These PDXs and their primary tumors were submitted to whole-genome sequencing (WGS) and RNA sequencing. We also evaluated a total of 255 proteins by reverse phase protein array (RPPA) in these PDX samples. We are currently performing conditional reprogramming experiments to generate cell lines from these rare BC PDXs. Our preliminary results indicate that pathways related to PI3K/AKT, ERK/MAPK, mTOR, HGF, ERBB, AMPK and IL3 signaling are disrupted in rare BC subtypes. Several genes belonging to these pathways are dysregulated in rare BC tumors, and therefore represent potential therapeutic targets for personalized treatment. Citation Format: Hellen Kuasne, Paul Savage, Constanza Martinez Ramirez, Leah Liu, Valentina Muñoz-Ramos, Virginie Pilon, Anie Monast, Radia Johnson, Nicholas Bertos, Jamil Asselah, Nathaniel Bouganim, Kevin Petrecca, Sarkis Meterissian, Atilla Omeroglu, Mark Basik, Morag Park. Establishment and characterization of rare breast patient-derived xenograft models as a potential resource for personalized medicine [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2018; 2018 Apr 14-18; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2018;78(13 Suppl):Abstract nr 1044.
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 | 0,000 |
| 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 | 0,001 | 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) | 0,002 | 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 ».