DOI: https://doi.org/10.1038/s41523-025-00723-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39979291
تاريخ النشر: 2025-02-20
المؤلف: Polina Turova وآخرون
الموضوع الرئيسي: دراسات علاج سرطان الثدي
نظرة عامة
تواجه المنهجيات الحالية لتصنيف سرطان الثدي، ولا سيما المناعية النسيجية وPAM50، صعوبة في التعرف بدقة على النوع الفرعي HER2-low، وهو أمر حاسم لاتخاذ القرارات العلاجية بسبب خصائصه البيولوجية الفريدة. يمكن أن تؤدي هذه التصنيفات الخاطئة إلى استراتيجيات علاج غير مناسبة ونتائج سيئة للمرضى. لمعالجة هذه المشكلة، تم تطوير مصنف سرطان الثدي (BCC) باستخدام تقنيات RNA-seq والتعلم الآلي، مما يسمح بتصنيف أكثر دقة لأنواع سرطان الثدي، بما في ذلك النوع الفرعي HER2-low ككيان متميز. بالإضافة إلى ذلك، أعاد BCC تعريف النوع الفرعي PAM50 Normal، متحديًا تصنيفه كمجموعة جزيئية منفصلة. أكدت التحليلات الإحصائية على قابلية تكرار BCC ودقته، كاشفة عن تشابهات تنبؤية بين النوعين الفرعيين HER2-low وBasal.
لقد تأثرت تطورات تصنيف سرطان الثدي الجزيئي بشكل كبير بمصنف PAM50، الذي حدد خمسة أنواع فرعية جوهرية بناءً على ملفات التعبير الجيني. على الرغم من فائدته السريرية، لا تزال هناك قيود، مثل التوافق المنخفض بين الأنواع الفرعية والغموض بين التصنيفات Luminal وNormal-like، مما يؤثر بشكل خاص على التعرف على سرطانات HER2-low. تؤكد الدراسات الحديثة على ضرورة وجود تصنيفات أكثر دقة، بما في ذلك إدخال النوع الفرعي claudin-low في سرطان الثدي الثلاثي السلبي (TNBC) ونظام تصنيف Burstein، الذي يحدد TNBC إلى أربعة أنواع فرعية. تؤكد هذه التطورات على تعقيد تباين سرطان الثدي والحاجة إلى تحسين الدقة في علم الأورام لتعزيز تصنيف العلاج والنتائج.
الطرق
توضح قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث استخدموا التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب مختبرية خاضعة للرقابة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج ذات الصلة. تم جمع البيانات باستخدام أدوات قياس موحدة لضمان الموثوقية والصلاحية.
بالإضافة إلى ذلك، يتناول القسم الاختبارات الإحصائية المطبقة، مثل اختبارات t وANOVA، لتقييم أهمية النتائج. كما استخدم الباحثون تحليل الانحدار لاستكشاف العلاقات بين المتغيرات. تم تناول الاعتبارات الأخلاقية، مما يضمن أن جميع الإجراءات تتماشى مع الإرشادات المعمول بها للبحث الذي يشمل البشر أو الحيوانات. بشكل عام، تم تصميم الطرق بدقة لتوفير نتائج قوية وقابلة للتكرار، مما يساهم في موثوقية استنتاجات الدراسة.
النتائج
في هذه الدراسة، تم تطوير مصنف جزيئي شبه مشرف لسرطان الثدي (BCC) لتحديد خمسة أنواع فرعية متميزة من سرطان الثدي باستخدام مجموعة بيانات شاملة تضم 6,223 عينة ورم من مجموعات METABRIC وTCGA وSCAN-B. نجح تحليل التجميع الهرمي الأولي، القائم على مجموعة جينات PAM50، في تحديد مجموعات Basal وHER2-enriched وLuminal. ومن الجدير بالذكر أن مجموعة فرعية من العينات تجمعت مع المجموعة الغنية بـ HER2 على الرغم من انخفاض تعبير ERBB2، مما يؤكد النتائج السابقة التي تشير إلى أن ليس جميع العينات الغنية بـ HER2 تظهر مستويات عالية من ERBB2. ميز تحليل التعبير التفاضلي هذه المجموعة عن عينات ERBB2-high الأخرى.
استخدمت التحليلات اللاحقة تقريب الشكل الموحد (UMAP) لتحسين تصنيفات العينات. تم تمييز النوع الفرعي Basal بتعبير عالي عن FOXC1 وانخفاض عن FOXP1، بينما تم تحديد النوع الفرعي HER2-high بناءً على تعبير الجينات التكاثرية ومستويات ERBB2. تم تحديد نوع فرعي جديد HER2-low، الذي شارك أنماط التعبير للجينات التكاثرية والكراتينية واللمعية مع عينات HER2-high. تم تصنيف العينات المتبقية على أنها Luminal وتم تمييزها بشكل أكبر إلى نوعي LumA وLumB باستخدام مصنف الانحدار اللوجستي المدرب على عينات SCAN-B اللمعية. تعزز هذه النتائج فهم تباين سرطان الثدي وقد تفيد في استراتيجيات علاج مستهدفة.
المناقشة
في هذه الدراسة، تم تقييم تصنيف سرطان الثدي (BCC) مقابل تصنيف PAM50 المعتمد باستخدام مجموعة من 6,223 عينة سرطان ثدي من مجموعات بيانات TCGA وSCAN-B وMETABRIC. أظهر تصنيف BCC توافقًا عاليًا مع PAM50، خاصة بالنسبة للنوع الفرعي Basal (96% اتفاق) وأنواع Luminal (94% اتفاق)، بينما أظهر النوع الفرعي HER2-enriched توافقًا أقل بنسبة 56%. ومن الجدير بالذكر أن النوع الفرعي HER2-enriched في BCC أظهر ارتباطًا أعلى مع تعبير HER2 كما تحدده المناعية النسيجية (IHC) ومعدلات التضخيم مقارنة بـ PAM50. كشفت تحليل البقاء عن عدم وجود اختلافات كبيرة بين تصنيفات BCC وPAM50، باستثناء النوع الفرعي HER2-enriched في مجموعة TCGA، حيث أشار تصنيف BCC إلى معدل بقاء أسوأ لمدة خمس سنوات.
علاوة على ذلك، حدد BCC ميزات لمعية في أورام PAM50 Normal-like، مما يشير إلى أن هذا النوع الفرعي قد لا يمثل مجموعة متميزة بل يشارك خصائص مع الأنواع الفرعية اللمعية. كما حسّن مصنف BCC التمييز بين الأنواع الفرعية LumA وLumB بناءً على مستويات KI67، محققًا درجة استرجاع أعلى لـ LumB. كشفت تحليل النوع الفرعي HER2-low عن ملفه الجزيئي المتميز، الذي يتميز بانخفاض تعبير HER2 وتداخل كبير مع النوع الفرعي TNBC-LAR. بشكل عام، لم يقتصر تصنيف BCC على تحسين فهم الأنواع الفرعية لسرطان الثدي فحسب، بل سلط الضوء أيضًا على الأهمية السريرية للنوع الفرعي HER2-low، داعيًا إلى اعترافه ككيان فريد يتطلب استراتيجيات علاج مخصصة.
DOI: https://doi.org/10.1038/s41523-025-00723-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39979291
Publication Date: 2025-02-20
Author(s): Polina Turova et al.
Primary Topic: Breast Cancer Treatment Studies
Overview
The current methodologies for breast cancer classification, notably immunohistochemistry and PAM50, struggle to accurately identify the HER2-low subtype, which is crucial for therapeutic decision-making due to its unique biological characteristics. This misclassification can lead to inappropriate treatment strategies and poor patient outcomes. To address this issue, the Breast Cancer Classifier (BCC) was developed using RNA-seq and machine-learning techniques, allowing for a more precise categorization of breast cancer subtypes, including the HER2-low subtype as a distinct entity. Additionally, BCC redefined the PAM50 Normal subtype, challenging its classification as a separate molecular group. Statistical analyses confirmed BCC’s reproducibility and accuracy, revealing prognostic similarities between the HER2-low and Basal subtypes.
The evolution of breast cancer molecular classification has been significantly influenced by the PAM50 classifier, which identified five intrinsic subtypes based on gene expression profiles. Despite its clinical utility, limitations persist, such as low concordance among subtypes and ambiguity between Luminal and Normal-like classifications, particularly affecting the identification of HER2-low cancers. Recent studies emphasize the necessity for more refined classifications, including the introduction of the claudin-low subtype in triple-negative breast cancer (TNBC) and the Burstein classification system, which further delineates TNBC into four subtypes. These advancements underscore the complexity of breast cancer heterogeneity and the need for improved precision in oncology to enhance treatment stratification and outcomes.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, employing statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest. Data were collected using standardized measurement tools to ensure reliability and validity.
Additionally, the section details the statistical tests applied, such as t-tests and ANOVA, to assess the significance of the findings. The researchers also employed regression analysis to explore relationships between variables. Ethical considerations were addressed, ensuring that all procedures adhered to established guidelines for research involving human or animal subjects. Overall, the methods were rigorously designed to provide robust and reproducible results, contributing to the reliability of the study’s conclusions.
Results
In this study, a semi-supervised molecular Breast Cancer Classifier (BCC) was developed to identify five distinct breast cancer subtypes using a comprehensive dataset of 6,223 tumor samples from the METABRIC, TCGA, and SCAN-B cohorts. The initial hierarchical clustering analysis, based on the PAM50 gene subset, successfully identified the Basal, HER2-enriched, and Luminal clusters. Notably, a subset of samples clustered with the HER2-enriched group despite low ERBB2 expression, corroborating previous findings that not all HER2-enriched samples exhibit high ERBB2 levels. Differential expression analysis further distinguished this group from other ERBB2-high samples.
Subsequent analyses employed Uniform Manifold Approximation and Projections (UMAP) to refine sample classifications. The Basal subtype was characterized by high FOXC1 and low FOXP1 expression, while the HER2-high subtype was delineated based on proliferative gene expression and ERBB2 levels. A novel HER2-low subtype was identified, which shared expression patterns of proliferative, keratin, and luminal genes with HER2-high samples. The remaining samples were classified as Luminal and further differentiated into LumA and LumB subtypes using a logistic regression classifier trained on SCAN-B luminal samples. These findings enhance the understanding of breast cancer heterogeneity and may inform targeted therapeutic strategies.
Discussion
In this study, the Breast Cancer Classification (BCC) was evaluated against the established PAM50 subtyping using a cohort of 6,223 breast cancer samples from TCGA, SCAN-B, and METABRIC datasets. The BCC classification demonstrated a high concordance with PAM50, particularly for the Basal subtype (96% agreement) and Luminal subtypes (94% agreement), while the HER2-enriched subtype showed a lower concordance of 56%. Notably, the BCC HER2-enriched subtype exhibited a higher correlation with HER2 expression as determined by immunohistochemistry (IHC) and amplification rates compared to PAM50. Survival analysis revealed no significant differences between BCC and PAM50 classifications, except for the HER2-enriched subtype in the TCGA cohort, where BCC classification indicated a worse five-year survival rate.
Furthermore, the BCC identified luminal features in PAM50 Normal-like tumors, suggesting that this subtype may not represent a distinct group but rather share characteristics with Luminal subtypes. The BCC classifier also improved the differentiation between LumA and LumB subtypes based on KI67 levels, achieving a higher recall score for LumB. The analysis of the HER2-low subtype revealed its distinct molecular profile, characterized by low HER2 expression and significant overlap with the TNBC-LAR subtype. Overall, the BCC classification not only refined the understanding of breast cancer subtypes but also highlighted the clinical relevance of the HER2-low subtype, advocating for its recognition as a unique entity requiring tailored therapeutic strategies.