Clinical Proteomics Reveals Vulnerabilities in Noninvasive Breast Ductal Carcinoma and Drives Personalized Treatment Strategies
Notice bibliographique
Résumé
ABSTRACT: Ductal carcinoma in situ (DCIS) is the most common type (80%) of noninvasive breast lesions in women. The lack of validated prognostic markers, limited patient numbers, and variable tissue quality have a significant impact on the diagnosis, risk stratification, patient enrollment, and results of clinical studies. In this study, we performed label-free quantitative proteomics on 50 clinical formalin-fixed, paraffin-embedded biopsies, validating 22 putative biomarkers from independent genetic studies. Our comprehensive proteomic phenotyping reveals more than 380 differentially expressed proteins and metabolic vulnerabilities, which can inform new therapeutic strategies for DCIS and invasive ductal carcinoma. Due to the readily druggable nature of proteins and metabolic enzymes or metabolism inhibitors, this study is of high interest for clinical research and the pharmaceutical industry. To further evaluate our findings, and to promote the clinical translation of our study, we developed a highly multiplexed targeted proteomics assay for 90 proteins associated with cancer metabolism, RNA regulation, and signature cancer pathways, such as PI3K/AKT/mTOR and EGFR/RAS/RAF. SIGNIFICANCE: This study provides real-world evidence for DCIS, a disease for which currently no molecular tools or biomarkers exist, and gives an unbiased, comprehensive, and deep proteomic profile, identifying >380 actionable targets.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».