Tumor-Infiltrating CD8 T Cells Predict Clinical Breast Cancer Outcomes in Young Women
Notice bibliographique
Résumé
Young women with breast cancer have disproportionately poor clinical outcomes compared to their older counterparts. The underlying biological differences behind this age-dependent disparity are still unknown and warrant investigation. Recently, the tumor immune landscape has received much attention for its prognostic value and therapeutic targets. The differential tumor immune landscape between age groups in breast cancer has not yet been characterized, and may contribute to the age-related differences in clinical outcomes. Computational deconvolution was used to quantify abundance of immune cell types from bulk transcriptome profiles of breast cancer patients from two independent datasets. No significant differences in immune cell composition that were consistent in the two cohorts were found between the young and old age groups. Regardless of absence of significant differences, the higher tumor infiltration of several immune cell types, such as CD8+ T and CD4+ T cells, was associated with better clinical outcomes in the young but not in the old age group. Mutational signatures analysis showed signatures previously not found in breast cancer to be associated with tumor-infiltrating lymphocyte (TIL) levels in the young age group, whereas in the old group, all significant signatures were those previously found in breast cancer. Pathway analysis revealed different gene sets associated with TIL levels for each age group from the two cohorts. Overall, our results show trends towards better clinical outcomes for high TIL levels, especially CD8+ T cells, but only in the young age group. Furthermore, our work suggests that the underlying biological differences may involve multiple levels of tumor physiology.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 tête enseignante, 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 ».