What if the future of HER2‐positive breast cancer patients was written in miRNAs? An exploratory analysis from NeoALTTO study
Notice bibliographique
Résumé
BACKGROUND: Neoadjuvant therapy with dual HER2 blockade improved pathological complete response (pCR) rate in HER2-positive breast cancer patients. Nevertheless, it would be desirable to identify patients exquisitely responsive to single agent trastuzumab to minimize or avoid overtreatment. Herein, we evaluated the predictive and prognostic value of basal primary tumor miRNA expression profile within the trastuzumab arm of NeoALTTO study (ClinicalTrials.gov Identifier: NCT00553358). METHODS: RNA samples from baseline biopsies were randomized into training (n = 45) and testing (n = 47) sets. After normalization, miRNAs associated with Event-free survival (EFS) and pCR were identified by univariate analysis. Multivariate models were implemented to generate specific signatures which were first confirmed, and then analyzed together with other clinical and pathological variables. RESULTS: We identified a prognostic signature including hsa-miR-153-3p (HR 1.831, 95% CI: 1.34-2.50) and hsa-miR-219a-5p (HR 0.629, 95% CI: 0.50-0.78). For two additional miRNAs (miR-215-5p and miR-30c-2-3p), we found a statistically significant interaction term with pCR (p.interaction: 0.017 and 0.038, respectively). Besides, a two-miRNA signature was predictive of pCR (hsa-miR-31-3p, OR 0.70, 95% CI: 0.53-0.92, and hsa-miR-382-3p, OR: 1.39, 95% CI: 1.01-1.91). Notably, the performance of this predictive miRNA signature resembled that of the genomic classifiers PAM50 and TRAR, and did not improve when the extended models were fitted. CONCLUSION: Analyses of primary tumor tissue miRNAs hold the potential of a parsimonious tool to identify patients with differential clinical outcomes after 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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».