Abstract P5-02-04: Immune Signatures Display Subtype-Specific Activation in Breast Cancer
Notice bibliographique
Résumé
Abstract Background. The development of new anti-HER2 therapies for the treatment of HER2-positive breast cancer (BC) is changing the concept of HER2 dichotomization to select and treat this patient population. In addition, different immunotherapies tested in HER2-low BC are gaining continuous interest. However, a comprehensive characterization of HER2 BC subgroups and patients is required to identify the best treatment approach. Materials and Methods. Using 123 BC samples with gene expression and IHC/FISH determined HER2 status we determined cutoff values to identify HER2 positive, HER2 low, and HER2 ultralow cohorts. With the inclusion of hormone receptor (HR) status six clinically relevant cohorts were defined (HR+/HER2+, HR+/HER2-low, HR+/HER2-ultralow, and HR-/HER2+, HR-/HER2-low, HR-/HER2-low). An ingegrated database of 7,624 BC cases were assigned to the six subtypes. Prognosis determination was based on relapse-free survival (RFS), distant-metastasis-free survival (DMFS), and overall survival (OS). Clinical parameters evaluated include MKI67 expression, lymph node status and grade. All together 17 immune signatures resembling immune genes and related activated pathways were tested against the six molecular BC subgroups. Results. We defined a robust cutoff for HER2 expression levels to define six distinct HER2 BC molecular subgroups (>3034 for HER2 positivity and < 1780 for HER2 ultralow). Regardless the HR positivity, the overall distribution of HER2-low, and HER2-ultralow was 23% and 52%, respectively. In the HR+ subgroups the HER2-low showed a better prognosis as compared to the HER2-ultralow and HER2+ (RFS and DMFS P = 0.0048 and 0.0015, respectively) while there was no prognostic effect of HER2 expression in the HR- subgroups. Not surprisingly, an association with higher grade was demonstrated in all HR- as compared to the HR+ subgroups regardless of HER2 status. Overall, all HR- subgroups showed a higher involvement of immune genes as compared to the three HR+ subgroups. Of interest, HER2-low (HR+ and HR-) and HR-/HER2+ showed a significant overlap expression of immune signatures (71%). While the HR+/HER2-ultralow and HR+/HER2+ displayed minimal activation of immune pathways, the HR-/HER2-ultralow was the group most significantly associated with the activation of immune signaling including IFN signaling (67% percent of genes in the panel with altered expression), T cell active cytokines (34% of genes hit), and cytotoxic effector molecules (48% of genes hit). Conclusions. Our study supports a further molecular stratification of breast cancer based on HER2 status. The different tumor-immune background of these BC subgroups highlights that selected patient cohorts may derive benefit from targeted immunotherapy. Citation Format: Gyongyi Munkacsy, Libero Santarpia, Balazs Gyorffy. Immune Signatures Display Subtype-Specific Activation in Breast Cancer [abstract]. In: Proceedings of the 2022 San Antonio Breast Cancer Symposium; 2022 Dec 6-10; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2023;83(5 Suppl):Abstract nr P5-02-04.
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) | 0,004 | 0,001 |
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 ».