Prédire l'état clinique du cancer du sein humain en utilisant des profils d'expression génique

Les facteurs pronostiques et prédictifs sont des outils indispensables dans le traitement des patients atteints de maladie néoplasique. Dans la plupart des cas, ces facteurs reposent sur quelques caractéristiques spécifiques de surface cellulaire, histologiques ou pathologiques globales. Les essais d'expression génique ont le potentiel de compléter ce qui était auparavant quelques caractéristiques distinctes par des milliers de caractéristiques. Nous avons développé des modèles de régression bayésienne qui fournissent une capacité prédictive basée sur des données d'expression génique dérivées de l'analyse par microarray ADN d'une série d'échantillons de cancer du sein primaire. Ces modèles ont la capacité de discriminer les tumeurs mammaires en fonction de l'état des récepteurs d'œstrogènes et également sur l'état catégorisé des ganglions lymphatiques. Il est important d'évaluer l'utilité et la validité de tels modèles pour prédire l'état des tumeurs dans des déterminations de validation croisée. La valeur pratique de telles approches repose sur la capacité non seulement d'évaluer les probabilités relatives des résultats cliniques pour des échantillons futurs, mais aussi de fournir une évaluation honnête des incertitudes associées à ces classifications prédictives, sur la base de la sélection de sous-ensembles de gènes pour chaque analyse de validation. Ce dernier point est d'une importance cruciale dans la capacité d'appliquer ces méthodologies à l'évaluation clinique du phénotype tumoral.