Novel Immune Subtypes Identification of HER2 Positive Breast Cancer Based On Immunogenomic Landscape
Notice bibliographique
Résumé
Abstract Background: HER2 positive BC is heterogeneous. But few studies discussed the classification of HER2 positive BC based on immune-related signatures.Methods: Using two publicly BC genomics datasets, we classified HER2 positive BC based on 33 immune-related signatures and used unsupervised machine learning methods to predict and perform the classification.Results: We grouped three HER2 positive BC subtypes that we called Immune-High (IM-H), Immune-Medium (IM-M), and Immune-Low (IM-L), and manifested this categorization was predictable, duplicable and reliable by analyzing another dataset. Compared to other subtypes, IM-H had a higher immune cell infiltration level and stronger anti-tumor immune activities, as well as better clinical survival outcome. Besides these signatures, there were some cancer-related pathways which were hyperactivated in IM-H, including cytokine-cytokine receptor interactions, antigen processing and presentation pathways, natural killer cell-mediated cytotoxicity, Th1 and Th2 cell differentiation, chemokine signaling pathway, Th17 cell differentiation, B and T cell receptor signaling, NF-kappa B signaling, PD-L1 expression and PD-1 checkpoint pathway in cancer, TNF signaling, IL-17 signaling, NOD-like receptor signaling and Toll-like receptor signaling. By contrast, IM-L showed depressed immune-related signatures and enhanced activation of lycosylphosphatidylinositol-anchor biosynthesis and mismatch repair. Moreover, we discovered a gene co-expression network focused on eight transcription factor genes (EOMES, TBX21, GFI1, IRF4, POU2AF1, CIITA, FOXP3 and TOX) and one tumor suppress gene (PRF1), which were closely related with tumor immune.Conclusion: We identified three HER2 positive BC subtypes based on immune-related signatures, which had potential clinical implications and promoted the optimal stratification of HER2 positive BC responsive to immunotherapy.
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 | 0,001 | 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 ».