Distinct spatial immune microlandscapes are independently associated with outcomes in triple-negative breast cancer
Notice bibliographique
Résumé
The utility of spatial immunobiomarker quantitation in prognostication and therapeutic prediction is actively being investigated in triple-negative breast cancer (TNBC). Here, with high-plex quantitative digital spatial profiling, we map and quantitate intraepithelial and adjacent stromal tumor immune protein microenvironments in systemic treatment-naïve (female only) TNBC to assess the spatial context in immunobiomarker-based prediction of outcome. Immune protein profiles of CD45-rich and CD68-rich stromal microenvironments differ significantly. While they typically mirror adjacent, intraepithelial microenvironments, this is not uniformly true. In two TNBC cohorts, intraepithelial CD40 or HLA-DR enrichment associates with better outcomes, independently of stromal immune protein profiles or stromal TILs and other established prognostic variables. In contrast, intraepithelial or stromal microenvironment enrichment with IDO1 associates with improved survival irrespective of its spatial location. Antigen-presenting and T-cell activation states are inferred from eigenprotein scores. Such scores within the intraepithelial compartment interact with PD-L1 and IDO1 in ways that suggest prognostic and/or therapeutic potential. This characterization of the intrinsic spatial immunobiology of treatment-naïve TNBC highlights the importance of spatial microenvironments for biomarker quantitation to resolve intrinsic prognostic and predictive immune features and ultimately inform therapeutic strategies for clinically actionable immune biomarkers.
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 | 0,001 |
| 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 | 0,001 | 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 ».