Intra-tumoral spatial heterogeneity in breast cancer quantified using high-dimensional protein multiplexing and single cell phenotyping
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is a highly heterogeneous disease where variations of biomarker expression may exist between individual foci of a cancer (intra-tumoral heterogeneity). The extent of variation of biomarker expression in the cancer cells, distribution of cell types in the local tumor microenvironment and their spatial arrangement could impact on diagnosis, treatment planning and subsequent response to treatment. METHODS: Using quantitative multiplex immunofluorescence (MxIF) imaging, we assessed the level of variations in biomarker expression levels among individual cells, density of cell cluster groups and spatial arrangement of immune subsets from regions sampled from 38 multi-focal breast cancers that were processed using whole-mount histopathology techniques. Molecular profiling was conducted to determine the intrinsic molecular subtype of each analysed region. RESULTS: A subset of cancers (34.2%) showed intra-tumoral regions with more than one molecular subtype classification. High levels of intra-tumoral variations in biomarker expression levels were observed in the majority of cancers studied, particularly in Luminal A cancers. HER2 expression quantified with MxIF did not correlate well with HER2 gene expression, nor with clinical HER2 scores. Unsupervised clustering revealed the presence of various cell clusters with unique IHC4 protein co-expression patterns and the composition of these clusters were mostly similar among intra-tumoral regions. MxIF with immune markers and image patch analysis classified immune niche phenotypes and the prevalence of each phenotype in breast cancer subtypes was illustrated. CONCLUSIONS: Our work illustrates the extent of spatial heterogeneity in biomarker expression and immune phenotypes, and highlights the importance of a comprehensive spatial assessment of the disease for prognosis and treatment planning.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 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 ».