MétaCan
Menu
Retour à la cohorte
Enregistrement W2123611729 · doi:10.1158/0008-5472.can-08-2223

Genetic Predictors of MEK Dependence in Non–Small Cell Lung Cancer

2008· article· en· W2123611729 sur OpenAlexaff
Christine A. Pratilas, Aphrothiti J. Hanrahan, Ensar Halilovic, Yogindra Persaud, Junichi Soh, Dhananjay Chitale, Hisayuki Shigematsu, Hiromasa Yamamoto, Ayana Sawai, Manickam Janakiraman, Barry S. Taylor, William Pao, Shinichi Toyooka, Marc Ladanyi, Adi F. Gazdar, Neal Rosen, David B. Solit

Notice bibliographique

RevueCancer Research · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensImmunovaccine (Canada)
Organismes subventionnairesU.S. Public Health ServiceChung Shan Medical UniversityNational Cancer InstituteNational Institutes of HealthChiba UniversitySamuel Waxman Cancer Research Foundation
Mots-clésKRASCancer researchMAPK/ERK pathwayLung cancerEpidermal growth factor receptorKinaseMEK inhibitorV600ETyrosine kinaseBiologyReceptor tyrosine kinaseProtein kinase domainCancerMutantMedicineSignal transductionInternal medicineColorectal cancerCell biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Hyperactivated extracellular signal-regulated kinase (ERK) signaling is common in human cancer and is often the result of activating mutations in BRAF, RAS, and upstream receptor tyrosine kinases. To characterize the mitogen-activated protein kinase/ERK kinase (MEK)/ERK dependence of lung cancers harboring BRAF kinase domain mutations, we screened a large panel of human lung cancer cell lines (n = 87) and tumors (n = 916) for BRAF mutations. We found that non-small cell lung cancers (NSCLC) cells with both V600E and non-V600E BRAF mutations were selectively sensitive to MEK inhibition compared with those harboring mutations in epidermal growth factor receptor (EGFR), KRAS, or ALK and ROS kinase fusions. Supporting its classification as a "driver" mutation in the cells in which it is expressed, MEK inhibition in (V600E)BRAF NSCLC cells led to substantial induction of apoptosis, comparable with that seen with EGFR kinase inhibition in EGFR mutant NSCLC models. Despite high basal ERK phosphorylation, EGFR mutant cells were uniformly resistant to MEK inhibition. Conversely, BRAF mutant cell lines were resistant to EGFR inhibition. These data, together with the nonoverlapping pattern of EGFR and BRAF mutations in human lung cancer, suggest that these lesions define distinct clinical entities whose treatment should be guided by prospective real-time genotyping. To facilitate such an effort, we developed a mass spectrometry-based genotyping method for the detection of hotspot mutations in BRAF, KRAS, and EGFR. Using this assay, we confirmed that BRAF mutations can be identified in a minority of NSCLC tumors and that patients whose tumors harbor BRAF mutations have a distinct clinical profile compared with those whose tumors harbor kinase domain mutations in EGFR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,420
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations254
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetLung Cancer Treatments and MutationsTravaux en français237 207