Spatially distinct tumor immune microenvironments stratify triple-negative breast cancers
Notice bibliographique
Résumé
Understanding the tumor immune microenvironment (TIME) promises to be key for optimal cancer therapy, especially in triple-negative breast cancer (TNBC). Integrating spatial resolution of immune cells with laser capture microdissection gene expression profiles, we defined distinct TIME stratification in TNBC, with implications for current therapies including immune checkpoint blockade. TNBCs with an immunoreactive microenvironment exhibited tumoral infiltration of granzyme B+CD8+ T cells (GzmB+CD8+ T cells), a type 1 IFN signature, and elevated expression of multiple immune inhibitory molecules including indoleamine 2,3-dioxygenase (IDO) and programmed cell death ligand 1 (PD-L1), and resulted in good outcomes. An "immune-cold" microenvironment with an absence of tumoral CD8+ T cells was defined by elevated expression of the immunosuppressive marker B7-H4, signatures of fibrotic stroma, and poor outcomes. A distinct poor-outcome immunomodulatory microenvironment, hitherto poorly characterized, exhibited stromal restriction of CD8+ T cells, stromal expression of PD-L1, and enrichment for signatures of cholesterol biosynthesis. Metasignatures defining these TIME subtypes allowed us to stratify TNBCs, predict outcomes, and identify potential therapeutic targets for TNBC.
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 | 0,000 | 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 | 0,000 | 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 | 0,000 |
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 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 ».