Molecular stratification within triple-negative breast cancer subtypes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Triple-negative breast cancer (TNBC) has been subdivided into six distinct subgroups: basal-like 1 (BL1), basal-like 2 (BL2), mesenchymal (M), mesenchymal stem-like (MSL), immunomodulatory (IM), and luminal androgen receptor (LAR). We recently identified a subgroup of TNBC with loss of the tumor suppressor PTEN and five specific microRNAs that exhibits exceedingly poor clinical outcome and contains TP53 mutation, RB1 loss and high MYC and WNT signalling. Here, show that these PTEN-low/miRNA-low lesions cluster with BL1 TNBC. These tumors exhibited high RhoA signalling and were significantly stratified on the basis of PTEN-low/RhoA-signalling-high with hazard ratios (HRs) of 8.2 (P = 0.0009) and 4.87 (P = 0.033) in training and test cohorts, respectively. For BL2 TNBC, we identified AKT1 copy gain/high mRNA expression as surrogate for poor prognosis (HR = 3.9; P = 0.02 and HR = 6.1; P = 0.0032). In IM, programmed cell death 1 (PD1) was elevated and predictive of poor prognosis (HR = 5.3; P = 0.01 and HR = 3.5; P < 0.004). Additional alterations, albeit without prognostic power, characterized each subtype including high E2F2 and TGFβ signalling and CXCL8 expression in BL2, high IFNα and IFNγ signalling and CTLA4 expression in IM, and high EGFR signalling in MSL, and may be targeted for therapy. This study identified PTEN-low/RhoA-signalling-high, and high AKT1 and PD1 expression as potent prognostications for BL1, BL2 and IM subtypes with survival differences of over 14, 2.75 and 10.5 years, respectively. This intrinsic heterogeneity could be exploited to prioritize patients for precision medicine.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle