Transcriptomic Features Associated to Neoadjuvant Chemotherapy Response in Four Molecular Breast Cancer Subtypes
Notice bibliographique
Résumé
PURPOSE Breast cancer (BC) represents a major public health issue. The effectiveness of neoadjuvant chemotherapy (NAC) varies among breast cancer patients, with some experiencing incomplete pathological responses. This variability in treatment response may be attributed to differences in tumor heterogeneity and its microenvironment (TME). This study investigates gene expression patterns associated to non-response to NAC in invasive BC patients, emphasizing the role of genes, pathways and the variability among BC subtypes. METHODS A transcriptomic study analyzed 58 baseline samples from women with advanced breast cancer at the Colombian National Cancer Institute, categorizing them into 29 NAC responders and 29 non-responders. The study comprised gene expression comparison, enrichment analysis, tumor microenvironment estimation via xCell, and therapeutic efficacy of targeted drugs using PrRophetic package. RESULTS Different gene expression profiles distinguished responders from non-responders among various breast cancer subtypes, highlighting immune-related pathways like IL-17 and TNF signaling, B and T cell receptor signaling, complement and coagulation cascades, natural killer cell-mediated cytotoxicity, and NF-kB signaling. Non-responders in Luminal B HER2- subtype exhibited increased endothelial cells and immune and microenvironment scores, while Luminal B HER2+ non-responders showed higher levels of CD4 Tcm, CD4 Tem, and megakaryocytes. Sensitivity to multiple potential therapeutic drugs (Lestaurtinib, Avagacestat, GSK3 inhibitor, Veliparib, Tretinoin, Afatinib, Vinorelbine, RSK1 inhibitor, Motesanib) varied distinctly among non-responders. CONCLUSION Immune-related genes and diverse immune cell subtypes within the TME correlate with response to NAC, with significant changes observed between response groups and subtypes. Comprehensive detection and evaluation of TME components are crucial for predicting NAC efficacy and preventing disease relapse. These findings underscore the importance of studying mixed populations to uncover novel insights and address disparities.
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 | 0,001 | 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 ».