Unsupervised breast cancer subclass discovery from aberrant glycogene expression for reliable clinical prognosis
Este estudo utiliza aprendizado de máquina não supervisionado em expressão aberrante de glicogenes para identificar seis novas subclasses de câncer de mama que oferecem estratificação prognóstica superior em comparação aos marcadores tradicionais, revelando assinaturas funcionais distintas com implicações para a interação imune e descoberta de fármacos personalizada.