Unraveling Triple-Negative Breast Cancer Tumor Microenvironment Heterogeneity: Towards an Optimized Treatment Approach
Notice bibliographique
Résumé
BACKGROUND: Recent efforts of gene expression profiling analyses recognized at least four different triple-negative breast cancer (TNBC) molecular subtypes. However, little is known regarding their tumor microenvironment (TME) heterogeneity. METHODS: Here, we investigated TME heterogeneity within each TNBC molecular subtype, including immune infiltrate localization and composition together with expression of targetable immune pathways, using publicly available transcriptomic and genomic datasets from a large TNBC series totaling 1512 samples. Associations between molecular subtypes and specific features were assessed using logistic regression models. All statistical tests were two-sided. RESULTS: We demonstrated that each TNBC molecular subtype exhibits distinct TME profiles associated with specific immune, vascularization, stroma, and metabolism biological processes together with specific immune composition and localization. The immunomodulatory subtype was associated with the highest expression of adaptive immune-related gene signatures and a fully inflamed spatial pattern appearing to be the optimal candidate for immune check point inhibitors. In contrast, most mesenchymal stem-like and luminal androgen receptor tumors showed an immunosuppressive phenotype as witnessed by high expression levels of stromal signatures. Basal-like, luminal androgen receptor, and mesenchymal subtypes exhibited an immune cold phenotype associated with stromal and metabolism TME signatures and enriched in margin-restricted spatial pattern. Tumors with high chromosomal instability and copy number loss in the chromosome 5q and 15q regions, including genomic loss of major histocompatibility complex related genes, showed reduced cytotoxic activity as a plausible immune escape mechanism. CONCLUSIONS: Our results demonstrate that each TNBC subtype is associated with specific TME profiles, setting the ground for a rationale tailoring of immunotherapy in TNBC patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».