Selectivity profile of afatinib for EGFR-mutated non-small-cell lung cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
EGFR-mutated non-small-cell lung cancer (NSCLC) has long been a research focus in lung cancer studies. Besides reversible tyrosine kinase inhibitors (TKIs), new-generation irreversible inhibitors, such as afatinib, embark on playing an important role in NSCLC treatment. To achieve an optimal application of these inhibitors, the correlation between the EGFR mutation status and the potency of such an inhibitor should be decoded. In this study, the correlation was profiled for afatinib, based on a cohort of patients with the EGFR-mutated NSCLC. Relying on extracted DNAs from the paraffin-embedded tumor samples, EGFR mutations were detected by direct sequencing. Progression-free survival (PFS) and the response level were recorded as study endpoints. These PFS and response values were analyzed and correlated to different mutation types, implying a higher potency of afatinib to classic activation mutations (L858R and deletion 19) and a lower one to T790M-related mutations. To further bridge the mutation status with afatinib-related response or PFS, we conducted a computational study to estimate the binding affinity in a mutant-afatinib system, based on molecular structural modeling and dynamics simulations. The derived binding affinities were well in accordance with the clinical response or PFS values. At last, these computational binding affinities were successfully mapped to the patient response or PFS according to linear models. Consequently, a detailed mutation-response or mutation-PFS profile was drafted for afatinib, implying the selective nature of afatinib to various EGFR mutants and further encouraging the design of specialized therapies or innovative drugs.
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.
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 découle