Defining triple‐negative breast cancer with neuroendocrine differentiation (<scp>TNBC‐NED</scp>)
Notice bibliographique
Résumé
Primary breast neuroendocrine (NE) neoplasms are uncommon, and definitions harbor controversy. We retrospectively collected 73 triple-negative breast cancers (TNBC) and evaluated NE biomarker expression along with p53 aberrant staining (which correlates with TP53 gene mutation) and Rb protein loss by immunohistochemistry. In the study cohort, we found 11 (15%) cases of TNBC with neuroendocrine differentiation (TNBC-NED) showing positivity for one or more NE markers (synaptophysin/chromogranin/insulinoma-associated protein 1 [INSM1]). We also identified one separate small cell neuroendocrine carcinoma. Histologic types for these 11 TNBC-NED cases were as follows: 8 invasive ductal carcinoma (IDC) not otherwise specified (NOS), 2 IDC with apocrine features, 1 IDC with solid papillary features. INSM1 had the highest positivity and was seen in all 11 carcinomas. Seven (64%) cases showed p53 aberrant staining, 6 (55%) had Rb protein loss, while 6 (55%) had p53/Rb co-aberrant staining/protein loss. TNBC-NED was associated with Rb protein loss (p < 0.001), as well as p53/Rb co-aberrant staining/protein loss (p < 0.001). In 61 cases negative for NE markers, 37 (61%) showed p53 aberrant staining, while 5 (8%) had Rb protein loss. We also analyzed genomic and transcriptomic data from The Cancer Genome Atlas (TCGA) PanCancer Atlas of 171 basal/TNBC patients. Transcriptomic analysis revealed mRNA expression of RB1 to be correlated negatively with SYN1 mRNA expression (p = 0.0400) and INSM1 mRNA expression (p = 0.0106) in this cohort. We would like to highlight the importance of these findings. TNBC-NED is currently diagnosed as TNBC, and although it overlaps morphologically with TNBC without NED, the unique p53/Rb signature highlights a genetic overlap with NE carcinomas of the breast.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».