Quantitative single-cell analysis of immunofluorescence protein multiplex images illustrates biomarker spatial heterogeneity within breast cancer subtypes
Notice bibliographique
Résumé
BACKGROUND: The extent of cellular heterogeneity in breast cancer could have potential impact on diagnosis and long-term outcome. However, pathology evaluation is limited to biomarker immunohistochemical staining and morphology of the bulk cancer. Inter-cellular heterogeneity of biomarkers is not usually assessed. As an initial evaluation of the extent of breast cancer cellular heterogeneity, we conducted quantitative and spatial imaging of Estrogen Receptor (ER), Progesterone Receptor (PR), Epidermal Growth Factor Receptor-2 (HER2), Ki67, TP53, CDKN1A (P21/WAF1), CDKN2A (P16INK4A), CD8 and CD20 of a tissue microarray (TMA) representing subtypes defined by St. Gallen surrogate classification. METHODS: Quantitative, single cell-based imaging was conducted using an Immunofluorescence protein multiplexing platform (MxIF) to study protein co-expression signatures and their spatial localization patterns. The range of MxIF intensity values of each protein marker was compared to the respective IHC score for the TMA core. Extent of heterogeneity in spatial neighborhoods was analyzed using co-occurrence matrix and Diversity Index measures. RESULTS: On the 101 cores from 59 cases studied, diverse expression levels and distributions were observed in MxIF measures of ER and PR among the hormonal receptor-positive tumor cores. As expected, Luminal A-like cancers exhibit higher proportions of cell groups that co-express ER and PR, while Luminal B-like (HER2-negative) cancers were composed of ER+, PR- groups. Proliferating cells defined by Ki67 positivity were mainly found in groups with PR-negative cells. Triple-Negative Breast Cancer (TNBC) exhibited the highest proliferative fraction and incidence of abnormal P53 and P16 expression. Among the tumors exhibiting P53 overexpression by immunohistochemistry, a group of TNBC was found with much higher MxIF-measured P53 signal intensity compared to HER2+, Luminal B-like and other TNBC cases. Densities of CD8 and CD20 cells were highest in HER2+ cancers. Spatial analysis demonstrated variability in heterogeneity in cellular neighborhoods in the cancer and the tumor microenvironment. CONCLUSIONS: Protein marker multiplexing and quantitative image analysis demonstrated marked heterogeneity in protein co-expression signatures and cellular arrangement within each breast cancer subtype. These refined descriptors of biomarker expressions and spatial patterns could be valuable in the development of more informative tools to guide diagnosis and treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».