The triple-negative (TN) and basal-like breast cancers have poor outcomes, and lack both targeted therapies and accurate prognostic markers of outcome. Despite the application of microarray technologies to molecular profiling of breast tumors, most current genomics-derived predictors are incapable of stratifying TN or basal breast cancer patients by outcome. We have collected all publicly available breast cancer gene expression datasets to build a human-Compendium; from this, we selected TN and basal patient cohorts to build a TN-Compendium (TN-C) and basal-Compendium (basal-C). Using a de novo machine learning methodology, we have built 25-gene predictors of recurrence for TN and basal patients. Compared to previously reported predictors, these classifiers exhibit superior performance, and highlight multiple biological processes, including immune response, cytoskeletal regulation, signaling and ligand gated ion channels, as being differentially present between recurrent and non-recurrent patients. The small size of these predictors makes them potential candidates for use in clinical settings. / Le Cancer du sein triple négatif (TN) ou basal-like ont de mauvais résultats, et manque les thérapies ciblées et précises marqueurs pronostiques du résultat. Malgré l'application des technologies des biopuces pour le profilage moléculaire des tumeurs du sein, la plus récente des prédicteurs de génomique provenant sont incapables de stratification TN ou basale cancer du sein par résultat. Nous avons rassemblé tous les ensembles de données accessible au public du cancer du sein par l'expression des gènes pour construire un homme-Compendium; de cela, nous avons sélectionné AMT et à la base des cohortes de patients pour construire un TN-Compendium (TN-C) et basal-Compendium (basal-C). En utilisant une machine de novo méthodologie d'apprentissage, nous avons construit des prédicteurs 25-gène de récidive pour les TN et les patients de la base. Par rapport à des prédicteurs signalés précédemment, la performance exposer ces classificateurs supérieure, et mettre en évidence plusieurs processus biologiques, y compris la réponse immunitaire, la régulation du cytosquelette, signalisation et canaux ioniques ligand, comme étant présents de façon différentielle entre les patients récurrents et non récurrents. La petite taille de ces prédicteurs en fait des candidats potentiels pour une utilisation en milieu clinique.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.97150 |
| Date | January 2011 |
| Creators | Shahalizadeh Kalkhoran, Solmaz |
| Contributors | Michael Trevor Hallett (Internal/Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (School of Computer Science) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.002 seconds