MétaCan
Menu
Retour à la cohorte
Enregistrement W4294344020 · doi:10.1186/s13046-022-02476-1

Heterogeneity of triple negative breast cancer: Current advances in subtyping and treatment implications

2022· review· en· W4294344020 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Experimental & Clinical Cancer Research · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensVancouver General HospitalCentre for Advancing Health OutcomesUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSubtypingTriple-negative breast cancerBreast cancerOncologyMedicineTriple negativeInternal medicineCancerComputer science

Résumé

récupéré en direct d'OpenAlex

As the field of translational 'omics has progressed, refined classifiers at both genomic and proteomic levels have emerged to decipher the heterogeneity of breast cancer in a clinically-applicable way. The integration of 'omics knowledge at the DNA, RNA and protein levels is further expanding biologic understanding of breast cancer and opportunities for customized treatment, a particularly pressing need in clinically triple negative tumors. For this group of aggressive breast cancers, work from multiple groups has now validated at least four major biologically and clinically distinct omics-based subtypes. While to date most clinical trial designs have considered triple negative breast cancers as a single group, with an expanding arsenal of targeted therapies applicable to distinct biological pathways, survival benefits may be best realized by designing and analyzing clinical trials in the context of major molecular subtypes. While RNA-based classifiers are the most developed, proteomic classifiers proposed for triple negative breast cancer based on new technologies have the potential to more directly identify the most clinically-relevant biomarkers and therapeutic targets. Phospho-proteomic data further identify targetable signalling pathways in a unique subtype-specific manner. Single cell profiling of the tumor microenvironment represents a promising way to allow a better characterization of the heterogeneity of triple negative breast cancer which could be integrated in a spatially resolved context to build an ecosystem-based patient classification. Multi-omic data further allows in silico analysis of genetic and pharmacologic screens to map therapeutic vulnerabilities in a subtype-specific context. This review describes current knowledge about molecular subtyping of triple negative breast cancer, recent advances in omics-based genomics and proteomics diagnostics addressing the diversity of this disease, key advances made through single cell analysis approaches, and developments in treatments including targeted therapeutics being tested in major clinical trials.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,309
Tête enseignante GPT0,597
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle