Abstract B34: Overcoming resistance to EGFR-Tyrosine Kinase Inhibitor therapy in non-small cell lung cancer
Notice bibliographique
Résumé
Abstract Lung cancer is the leading cause of cancer death in developed countries both for men and women; and the second most common type of cancer diagnosed, with less than 15% of patients surviving beyond 5 years. Since more than 60% of lung adenocarcinomas and more than 90% of lung squamous cell carcinomas express high levels of EGFR mRNA and protein, it has been the focus of efforts to develop new agents that target the EGFR pathway. Clinical trials have demonstrated that patient selection plays a major role for patient response. Patients that present amplification or activating mutations (L878R or exon 19 deletions) of EGFR, have higher response rates. Selection improved response rates from less than 10% to over 60–80%. Despite the promising results, all patients that receive TKI therapy develop resistance to treatment in less than one year. The mechanisms of resistance to EGFR TKi's described so far are those dependant on the overactivation/amplification of other receptor tyrosine kinases (RTK) capable to sustain anti-apoptotic signaling pathways. Our study proposes the use of genome-wide screenings using an 80,000 shRNA library on EGFR resistant cells can identify new genes that mediate the resistance to EGFR targeted therapy and provide the basis for designing new therapeutic approaches to avoid the emergence of resistance. So far, we have generated a shortlist of gene candidates that confer synergistic synthetic lethal interactions with EGFR targeted therapies and that are also highly expressed in resistant cells. We are currently overexpressing candidate genes in sensitive cells searching for those that can confer resistance to EGFR targeted therapies. Our study proposes target genes that can synergize with the current treatments to create new therapeutical strategies that can avoid the acquisition of resistance to targeted therapies. Overall, the information gained from this type of study can be applicable to tumors where ERBB receptor(s) play an important role and targeted therapies are currently used.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».