一个基于基因表达的分类器,用于低HER2乳腺癌

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物标志物发现发现

背景情况:

• 低HER2的乳腺癌对于抗体-药物合物 (ADC) 治疗选择至关重要.
• 在临床实践中,针对HER2低状态的免疫组织化学 (IHC) 评分 (1+或2+没有放大) 面临着观察者之间的变化.

研究的目的:

• 开发和验证基于基因表达分析的签名,用于对HER2低水平乳腺癌的客观识别.
• 建立一个独立于观察者的方法来对HER2低瘤进行分类.

主要方法:

• 使用在机构数据集 (INT1,INT2) 上基因表达概况的发现方法,在HER2 IHC类别中识别了差异表达基因 (DEG).
• 主要组件分析生成了一个20基因的HER2-low签名.
• 签名的性能在独立数据集 (INT3,TCGA,GSE81538) 中使用统计测试和接收器操作特征 (ROC) 分析进行了验证.

主要成果:

• 一个20基因的HER2-低签名被确定,在脂质代谢,类固醇代谢,酶调节和免疫反应途径中得到丰富.
• 该签名在IHC类别中呈现出钟形分布,准确区分HER2-low (1+, 2+) 和HER2 0和3+瘤 (p <0.001).
• 该签名在区分HER2-低瘤方面取得了0.74的AUC,超过了单个ERBB2mRNA分析 (AUC0.52).

结论:

• 开发的20个基因签名提供了一个强大的,独立于观察者的方法来分类HER2-低乳腺癌.
• 这种基于基因表达的方法有望改善患者选择针对HER2向治疗的方法,包括ADCs.
• 签名有效地区分HER2 0和HER2-低表达瘤,特别是那些具有IHC 1+状态的瘤.