Abstract 2698: Spatial gene expression profiling in breast cancer
Notice bibliographique
Résumé
Abstract Over the last decade breast cancer survival has improved, largely due to the therapies offered to patients with the disease. However, despite the advances in diagnosis and treatment of breast cancer, it is still remains the second leading cause of death from cancer in women. Breast cancer is a heterogeneous disease, this in part, explains why the majority of current therapeutic approaches for cancer work best when multiple agents are combined. The interaction between immune and tumor cells is critical in the development and progression of breast cancer. Here we present in situ transcriptomic profiling, using the NanoString Digital Spatial Profiler (DSP) cancer transcriptomic atlas (CTA) assay, of a cohort of breast cancer lumpectomies to reveal the extent of heterogeneity in pathologically defined unifocal and multifocal cancers. In this study, lumpectomies were processed as whole mounts with serial blocks reviewed. Tissue cores were taken from at least three different regions through the lumpectomy for tissue microarray (TMA) construction, focusing on morphologic/histological differences in addition to the spatial orientation of the sampled region within the lumpectomy. In situ quantification of 1800 tumor and immune genes across 60 patients revealed heterogeneity of tumor and immune genes in most patients. Expression of genes such as HER2, ER and AKT were enriched in the tumor compartment. Whereas, genes such as COLA1, CD68 and CD3 were enriched in the immune compartment. Using a SpatialDecon algorithm for mixed cell deconvolution on the immune areas heterogeneity of the tumor infiltrate at a cell type levels was observed. Fibroblasts and macrophages were prevalent in all samples while immune dense areas also contained B-cells and T-cells. While there are a number of clinically validated transcriptional assays available for breast cancer, we have demonstrated that the immune microenvironment needs to be considered to develop rational stratification of patients to currently available targeted therapies. Citation Format: Melanie Spears, Vida Talebian, Linda Liao, Megan Hopkins, Drashti Jain, Mary Anne Quintayo, Jane Bayani, Alison Cheung, Martin Yaffe, John M. Bartlett. Spatial gene expression profiling in breast cancer [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2021; 2021 Apr 10-15 and May 17-21. Philadelphia (PA): AACR; Cancer Res 2021;81(13_Suppl):Abstract nr 2698.
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 | 0,001 | 0,001 |
| 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 ».