Early Modulation of Circulating MicroRNAs Levels in HER2-Positive Breast Cancer Patients Treated with Trastuzumab-Based Neoadjuvant Therapy
Notice bibliographique
Résumé
Circulating microRNA (ct-miRNAs) are able to identify patients with differential response to HER2-targeted therapy. However, their dynamics are largely unknown. We assessed 752 miRNAs from 52 NeoALTTO patients with plasma pairs prior and two weeks after trastuzumab. Increased levels of ct-miR-148a-3p and ct-miR-374a-5p were significantly associated with pathological complete response (pCR) (p = 0.008 and 0.048, respectively). At a threshold ≥ the upper limit of the 95%CI of the mean difference, pCR resulted 45% (95%CI 24%–68%), and 44% (95%CI 22%–69%) for ct-miR-148a-3p and ct-miR-374a-5p, respectively. Notably, ct-miR-148a-3p retained its predictive value (OR 3.42, 95%CI 1.23–9.46, p = 0.018) in bivariate analysis along with estrogen receptor status. Combined information from ct-miR-148a-3p and ct-miR140-5p, which we previously reported to identify trastuzumab-responsive patients, resulted in greater predictive capability over each other, with pCR of 54% (95%CI 25%–81%) and 0% (95%CI 0%–31%) in ct-miR-148a/ct-miR-140-5p high/present and low/absent, respectively. GO and KEGG analyses showed common enriched terms between the targets of these ct-miRNAs, including cell metabolism regulation, AMPK and MAPK signaling, and HCC progression. In conclusion, early modulated ct-miR-148-3p may inform on the functional processes underlying treatment response, integrate the information from already available predictive biomarkers, and identify patients likely to respond to single agent trastuzumab-based neoadjuvant therapy.
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 | 0,002 |
| 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 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 ».