ErbB polymorphisms: insights and implications for response to targeted cancer therapeutics
Notice bibliographique
Résumé
Advances in high-throughput genomic-scanning have expanded the repertory of genetic variations in DNA sequences encoding ErbB tyrosine kinase receptors in humans, including single nucleotide polymorphisms (SNPs), polymorphic repetitive elements, microsatellite variations, small-scale insertions and deletions. The ErbB family members: EGFR, ErbB2, ErbB3, and ErbB4 receptors are established as drivers of many aspects of tumor initiation and progression to metastasis. This knowledge has provided rationales for the development of an arsenal of anti-ErbB therapeutics, ranging from small molecule kinase inhibitors to monoclonal antibodies. Anti-ErbB agents are becoming the cornerstone therapeutics for the management of cancers that overexpress hyperactive variants of ErbB receptors, in particular ErbB2-positive breast cancer and non-small cell lung carcinomas. However, their clinical benefit has been limited to a subset of patients due to a wide heterogeneity in drug response despite the expression of the ErbB targets, attributed to intrinsic (primary) and to acquired (secondary) resistance. Somatic mutations in ErbB tyrosine kinase domains have been extensively investigated in preclinical and clinical setting as determinants for either high sensitivity or resistance to anti-ErbB therapeutics. In contrast, only scant information is available on the impact of SNPs, which are widespread in genes encoding ErbB receptors, on receptor structure and activity, and their predictive values for drug susceptibility. This review aims to briefly update polymorphic variations in genes encoding ErbB receptors based on recent advances in deep sequencing technologies, and to address challenging issues for a better understanding of the functional impact of single versus combined SNPs in ErbB genes to receptor topology, receptor-drug interaction, and drug susceptibility. The potential of exploiting SNPs in the era of stratified targeted therapeutics is discussed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».