Tumor genomic, transcriptomic, and immune profiling characterizes differential response to first‐line platinum chemotherapy in high grade serous ovarian cancer
Notice bibliographique
Résumé
BACKGROUND: In high grade serous ovarian cancer (HGSOC), there is a spectrum of sensitivity to first line platinum-based chemotherapy. This study molecularly characterizes HGSOC patients from two distinct groups of chemotherapy responders (good vs. poor). METHODS: Following primary debulking surgery and intravenous carboplatin/paclitaxel, women with stage III-IV HGSOC were grouped by response. Patients in the good response (GR) and poor response (PR) groups respectively had a progression-free intervals (PFI) of ≥12 and ≤6 months. Analysis of surgical specimens interrogated genomic and immunologic features using whole exome sequencing. RNA-sequencing detected gene expression outliers and inference of immune infiltrate, with validation by targeted NanoString arrays. PD-L1 expression was scored by immunohistochemistry (IHC). RESULTS: A total of 39 patient samples were analyzed (GR = 20; PR = 19). Median PFI for GR and PR patient cohorts was 32 and 3 months, respectively. GR tumors were enriched for loss-of-function BRCA2 mutations and had a significantly higher nonsynonymous mutation rate compared to PR tumors (p = 0.001). Samples from the PR cohort were characterized by mutations in MGA and RAD51B and trended towards a greater rate of amplification of PIK3CA, MECOM, and ATR in comparison to GR tumors. Gene expression analysis by NanoString correlated increased PARP4 with PR and increased PD-L1 and EMSY with GR. There was greater tumor immune cell infiltration and higher immune cell PD-L1 protein expression in the GR group. CONCLUSIONS: Our research demonstrates that tumors from HGSOC patients responding poorly to first line chemotherapy have a distinct molecular profile characterized by actionable drug targets including PARP4.
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 | 0,000 | 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 ».