Assessing ER Positive Breast Cancer Heterogeneity and Identification of Tumour Microenvironment Molecular Markers in Response to Treatment Via Multi-omic Approach
Notice bibliographique
Résumé
Breast cancer (BC) remains the most prevalent malignancy among women. It is a heterogeneous disease and this in part, explains why most current therapeutics work best when multiple agents are combined. In this study, patients from the neoadjuvant trial of pre-operative exemestane or letrozole +/-celecoxib in the treatment of ER positive postmenopausal early BC (NEO-EXCEL) were profiled by targeted sequencing and spatial proteomic analysis to measure and assess the role of heterogeneity on treatment outcome. In matched samples, genes most frequently mutated included PIK3CA, NQO1, and MAP3K1. Frequent copy number changes in FGF3, FGF4, and FGF19 were identified. No significant differences were noted between pre- and post-treatment samples. Spatial profiling identified high-expressing proteins fibronectin, SMA, CD127, and CD44 in both tumour and TME compartments. Within the non-responders, lower levels of T-cells and macrophages were present. Uncovering the drivers of heterogeneity through a multi-omic study will help understand its effects on tumour progression.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».