Gene expression profiling predicts clinical outcome of breast cancer

Veer, Laura J. van ’t; Dai, Hongyue; Vijver, Marc J. van de; He, Yudong; Hart, A. A. M.; Mao, Mao; Peterse, Hans; Kooy, K. van der; Marton, Matthew J.; Witteveen, Anke; Schreiber, George J.; Kerkhoven, Ron; Roberts, Chris; Linsley, Peter S.; Bernards, René; Friend, Stephen H.

doi:10.1038/415530a

Cited by 8,353 publications

(6,250 citation statements)

References 22 publications

(14 reference statements)

Supporting

145

Mentioning

6,009

Contrasting

Unclassified

Order By: Relevance

“…Some studies have shown that gene expression profiles are linked to ER status [3,4] and to clinical outcome [2,[5][6][7]. In metastatic breast cancer, a 44-gene expression signature was found to be associated with an objective response to tamoxifen [8].…”

Section: Introductionmentioning

confidence: 99%

Exploring the two-gene ratio in breast cancer—independent roles for HOXB13 and IL17BR in prediction of clinical outcome

Jerevall

Brommesson

Strand

et al. 2007

Breast Cancer Res Treat

View full text Add to dashboard Cite

show abstract

Section: Introductionmentioning

confidence: 99%

Exploring the two-gene ratio in breast cancer—independent roles for HOXB13 and IL17BR in prediction of clinical outcome

Jerevall

Brommesson

Strand

et al. 2007

Breast Cancer Res Treat

View full text Add to dashboard Cite

show abstract

“…It was expected to revolutionize and automate the analysis of tissue sections and the classification of diseases, disease subtypes, and disease stages. Surprisingly, the latter areas (especially the analysis and classification of different types, subtypes, and stages of tumors) are the ones in which MAT has proven to be immediately useful, delivering very promising and convincing results (15)(16)(17).…”

mentioning

confidence: 99%

Getting the right cells to the array: Gene expression microarray analysis of cell mixtures and sorted cells

et al. 2004

View full text Add to dashboard Cite

Background: Most biological samples are cell mixtures. Some basic questions are still unanswered about analyzing these heterogeneous samples using gene expression microarray technology (MAT). How meaningful is a cell mixture's overall gene expression profile (GEP)? Is it necessary to purify the cells of interest before microarray analysis, and how much purity is needed? How much does the purification itself distort the GEP, and how well can the GEP of a small cell subset be recovered? Methods: Model cell mixtures with different cell ratios were analyzed by both spotted and Affymetrix MAT. GEP distortion during cell purification and GEPs of purified cells were studied. CD34ϩ cord blood cells were purified and analyzed by MAT. Results: GEPs for mixed cell populations were found to mirror the cell ratios in the mixture. Over 75% pure

show abstract

“…On comprendra aisément que l'analyse et l'intégration [8] de telles quantités d'information s'accompagnent nécessairement de l'introduction de nouvelles méthodes mathématiques et informatiques. [10]. Cependant, l'approche par les « bio-marqueurs » reste purement corrélative : savoir qu'un profil est statistiquement lié à un état du système n'informe pas directement sur les événements responsables des phénotypes observés.…”

Section: …Remis à Jour Grâce Au Développement De Technologies Expérimunclassified

Biologie systémique

Carvunis¹,

Gomez²,

Thierry‐Mieg³

et al. 2009

Med Sci (Paris)

View full text Add to dashboard Cite

La biologie systémique représente un important changement de paradigme scientifique par rapport à la biologie moléculaire des cinquante dernières années. La biologie moléculaire traditionnelle, de nature « réductionniste », s'est jusqu'ici concentrée principalement sur la caractérisation des composants individuels de la cellule, gènes, protéines, ou encore ARN non codants, avec pour but de comprendre la vie à partir de la caractérisation des macromolécules qui la constituent. Toutefois, protéines et ARN opèrent en interagissant les uns avec les autres, formant ainsi des systèmes dont la complexité peut difficilement être comprise une molécule à la fois. La biologie systémique, de nature « intégrative et holistique », entend comprendre la vie à partir de ces systèmes. Elle pose les questions biologiques en mettant l'accent sur le « tout » plutôt que sur les « parties ». Intrinsèquement interdisciplinaire, sa méthodologie originale est définie par un aller-retour dynamique entre expérimentation, travail informatique et théorique, formulation de nouvelles hypothèses scientifiques et développement technologique. La biologie systémique est l'étude des interactions entre les composants d'un système biologiqueLe terme « système » vient du grec sustêma qui signifie ensemble. Un système est un ensemble d'entités interagissant ou inter dépendantes , abstraites ou concrè-tes, dont l'union forme un tout. En biologie, une certaine confusion règne autour de cette définition car l'échelle d'étude d'un système peut lui valoir ou non l'appellation « système » selon l'opinion de celui qui le considère. En fait, il n'y a pas de limite théorique à la taille d'un système : libre à chacun de définir les bornes le délimitant de son environne-> L'idée selon laquelle les gènes et leurs produits sont les unités fondamentales de la biologie a profondément marqué la pensée scientifique de la seconde moitié du xx e siècle. Aujourd'hui, cette approche réductionniste est remise en cause par la renaissance de la biologie systémi-que, qui a pour objets d'étude les systèmes formés par les produits de gènes en interaction. Le développement de cette discipline est intimement lié aux développements biotechnologiques qui permettent d'interroger ces interactions systématiquement, ainsi qu'aux avancées théo-riques qui rendent possible leur modélisation. En recherche fondamentale comme biomédi-cale, la biologie systémique s'affirme comme un paradigme de choix pour comprendre les propriétés émergentes des systèmes biologiques complexes. < M. Vidal : Center for cancer systems biology (CCSB) and Department of cancer biology,

show abstract

Gene expression profiling predicts clinical outcome of breast cancer

Cited by 8,353 publications

References 22 publications

Exploring the two-gene ratio in breast cancer—independent roles for HOXB13 and IL17BR in prediction of clinical outcome

Exploring the two-gene ratio in breast cancer—independent roles for HOXB13 and IL17BR in prediction of clinical outcome

Getting the right cells to the array: Gene expression microarray analysis of cell mixtures and sorted cells

Biologie systémique

Contact Info

Product

Resources

About