Expression of carcinoma ecotypes in the tumor microenvironment predicts response to neoadjuvant therapy in early-stage breast cancer
Notice bibliographique
Résumé
Immunotherapy is associated with modest pathologic complete response (pCR) rates in early-stage breast cancer, and a subset of patients still achieves a pCR after neoadjuvant chemotherapy (NAC) only. Identifying biomarkers in the complex tumor ecosystem which define the subsets of patients who achieve pCR benefit on immunotherapy versus not is of a critical need. Transcriptomic data for patients enrolled in the two neoadjuvant immunotherapy arms of 'pembrolizumab' (n = 69) and 'durvalumab' (n = 71), and the chemotherapy arm 'control' (n = 210) of the I-SPY2 breast cancer clinical trial were included. Using a machine learning algorithm for tumor ecosystem-based classification, we deconvoluted transcriptomic data into the established 10 multicellular organization systems known as 'Ecotypes'. We found that the most pro-inflammatory carcinoma ecotype (CE)9 predicts pCR in the 'pembrolizumab' arm (OR = 2.07; 95% CI 1.35-3.8; adjusted P value = 0.01), in the 'control' arm (OR = 1.89; 95% CI 1.36-2.63; adjusted P value = 0.002), and in the 'durvalumab' arm (OR = 1.66; 95%CI 1.18-2.34; adjusted P value = 0.03). In contrast, the basal-enriched ecotype CE2 was the most significant predictor of pCR in the 'durvalumab' arm, which included the addition of olaparib (OR = 3.22; 95%CI 2.25-4.60; adjusted P value < 0.0001), but not in NAC (OR = 1.18; 95%CI 0.81-1.72; adjusted P value = 0.94). Our findings suggest that CE9 could identify early-stage breast cancer patients who achieve a pCR after neoadjuvant therapy and may have a good prognosis. Whether CE9 patients could still be considered for immunotherapy or be candidates for de-escalation strategies in the neoadjuvant setting requires further investigation in future studies with link to survival outcomes. In contrast, CE2 tumors would benefit from the combination of immunotherapy with olaparib. Integrating tumor ecosystem-based patient classification could guide effective clinical management in early-stage breast cancer.
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 | 0,000 | 0,001 |
| 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 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 ».