EGFR Exon-Level Biomarkers of the Response to Bevacizumab/Erlotinib in Non-Small Cell Lung Cancer
Notice bibliographique
Résumé
Activating epidermal growth factor receptor (EGFR) mutations are recognized biomarkers for patients with metastatic non-small cell lung cancer (NSCLC) treated with EGFR tyrosine kinase inhibitors (TKIs). EGFR TKIs can also have activity against NSCLC without EGFR mutations, requiring the identification of additional relevant biomarkers. Previous studies on tumor EGFR protein levels and EGFR gene copy number revealed inconsistent results. The aim of the study was to identify novel biomarkers of the response to TKIs in NSCLC by investigating whole genome expression at the exon-level. We used exon arrays and clinical samples from a previous trial (SAKK19/05) to investigate the expression variations at the exon-level of 3 genes potentially playing a key role in modulating treatment response: EGFR, V-Ki-ras2 Kirsten rat sarcoma viral oncogene homolog (KRAS) and vascular endothelial growth factor (VEGFA). We identified the expression of EGFR exon 18 as a new predictive marker for patients with untreated metastatic NSCLC treated with bevacizumab and erlotinib in the first line setting. The overexpression of EGFR exon 18 in tumor was significantly associated with tumor shrinkage, independently of EGFR mutation status. A similar significant association could be found in blood samples. In conclusion, exonic EGFR expression particularly in exon 18 was found to be a relevant predictive biomarker for response to bevacizumab and erlotinib. Based on these results, we propose a new model of EGFR testing in tumor and blood.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».