THE SPATIAL TRANSCRIPTOMIC LANDSCAPE OF BREAST CANCER BRAIN METASTASIS
Notice bibliographique
Résumé
Abstract Brain metastases (BM) are responsible for the majority of cancer mortality. Breast cancer is one of the most common primary sites for brain metastasis. Metastatic cancer cells are known to diverge genetically and phenotypically from their primary counterpart. Together with the unique tumor brain microenvironment (TBME), this poses additional challenges in the treatment of BM. METHODS: We identified 30 cases of patient-paired, surgically resected brain metastasis with breast origin. Six cases of non-tumoral brain control were also included. Two tissue microarray (TMA) blocks were constructed to include all cases. Spatial RNAseq was performed while PanCK, CD45, and GFAP were used as morphology markers to annotate the regions of interest (ROIs). For each patient, five ROIs were analyzed: primary breast cancer (BC), primary breast cancer microenvironment (BCME), metastatic tumor cells (MTC), immediate TBME (iTBME), and distant TBME (dTBME). RESULTS: 1) Triple-negative breast cancers (TNBC) demonstrated distinct gene signatures in both primary and metastatic sites. 2) There were 9 BC shifted their genetic profiles and were reclassified into different molecular subtypes at their matched brain metastatic site. Functional enrichment analysis revealed enriched EMT, ECM-receptor interaction, and the complement system in these profile shifting-BC cases. In contrast, the BC cases that preserved their original profiles (non-shifting BC) shared upregulated pathways of ribosome biogenesis and cell cycle. 3) TBME underwent cellular and molecular plasticity characterized by elevated neutrophils, reactive astrocytes, and activated microglia. In the TBME homing TNBC, cancer-associated fibroblasts (CAF) represented a hub in the cellular interaction between MTCs and TBME.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».