Tissue Microarray-Based Digital Spatial Profiling of Benign Breast Lobules and Breast Cancers: Feasibility, Biological Coherence, and Cross-Platform Benchmarks
Notice bibliographique
Résumé
BACKGROUND: Discovering risk biomarkers in small benign breast disease (BBD) biopsies is constrained by scarce tissue and microanatomic heterogeneity of terminal duct lobular units (TDLUs). We tested whether tissue-sparing tissue microarray (TMA)-based Digital Spatial Profiling (DSP) can deliver reproducible, biologically coherent protein measurements across benign lobules and breast cancers (BCs), and how well DSP aligns with standard immunoassays. METHODS: We performed a pilot using tissues from the Mayo Clinic BBD cohort using TMAs representing four contexts: terminal duct lobular units (TDLUs) from BBD biopsies preceding BC and matched BBD-controls, subsequent BCs, and BC-associated TDLUs. We profiled 79 proteins by DSP (37 retained after QC) and benchmarked against chromogenic IHC and OPAL immunofluorescence. Reproducibility was evaluated using intraclass correlation coefficients (ICCs), cross-platform agreement (weighted kappa), marker correlations, and mixed-effects models with false-discovery-rate (FDR) control. RESULTS: We analyzed 368 BBD-TDLU cores (88 cases; 88 controls), 204 BC cores and 110 BC-associated TDLU cores. ICCs were highest in BC tissues, and lower in BC-associated TDLUs and BBD-TDLUs. Agreement was slight-to-fair in TDLUs but moderate (ER/PR) to substantial (BCL2) in BC. DSP recapitulated expected immunologic correlations (CD45 with T-cell, B-cell, and macrophage markers) and tissue-type gradients (BC > BC-associated TDLUs > BBD-TDLUs). Exploratory case-control differences in BBD-TDLUs did not persist after FDR control. CONCLUSIONS: TMA-based DSP is feasible in archival breast tissues and yields biologically coherent, cross-platform-benchmarked profiles that are particularly robust in BC, while conserving scarce TDLUS and clarifying current limits of single-marker risk stratification from benign lobules. These data provide a foundation for refined sampling and expanded panels in future TDLU-focused studies.
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 | 0,006 | 0,006 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».