Resistance to Cancer Treatment: The Role of Somatic Genetic Events and the Challenges for Targeted Therapies
Notice bibliographique
Résumé
Therapeutic resistance remains a major cause of cancer-related deaths. Resistance can occur from the outset of treatment or as an acquired phenomenon after an initial clinical response. Therapeutic resistance is an almost universal phenomenon in the treatment of metastatic cancers. The advent of molecularly targeted treatments brought greater efficacy in patients whose tumors express a particular target or molecular signature. However, resistance remains a predictable challenge. This article provides an overview of somatic genomic events that confer resistance to cancer therapies. Some examples, including BCR-Abl, EML4-ALK, and the androgen receptor, contain mutations in the target itself, which hamper binding and inhibitory functions of therapeutic agents. There are also examples of somatic genetic changes in other genes or pathways that result in resistance by circumventing the inhibitor, as in resistance to trastuzumab and BRAF inhibitors. Yet other examples results in activation of cytoprotective genes. The fact that all of these mechanisms of resistance are due to somatic changes in the tumor's genome makes targeting them selectively a feasible goal. To identify and validate these changes, it is important to obtain biopsies of clinically resistant tumors. A rational consequence of this evolving knowledge is the growing appreciation that combinations of inhibitors will be needed to anticipate and overcome therapeutic resistance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».