Targeting the KRAS Pathway in Non-Small Cell Lung Cancer
Notice bibliographique
Résumé
: Lung cancer remains the leading cause of cancer-related deaths worldwide. However, significant progress has been made individualizing therapy based on molecular aberrations (e.g., EGFR, ALK) and pathologic subtype. KRAS is one of the most frequently mutated genes in non-small cell lung cancer (NSCLC), found in approximately 30% of lung adenocarcinomas, and is thus an appealing target for new therapies. Although no targeted therapy has yet been approved for the treatment of KRAS-mutant NSCLC, there are multiple potential therapeutic approaches. These may include direct inhibition of KRAS protein, inhibition of KRAS regulators, alteration of KRAS membrane localization, and inhibition of effector molecules downstream of mutant KRAS. This article provides an overview of the KRAS pathway in lung cancer and related therapeutic strategies under investigation. IMPLICATIONS FOR PRACTICE: The identification of oncogene-addicted cancers and specific inhibitors has revolutionized non-small cell lung cancer (NSCLC) treatment and outcomes. One of the most commonly mutated genes in adenocarcinoma is KRAS, found in approximately 30% of lung adenocarcinomas, and thus it is an appealing target for new therapies. This review provides an overview of the KRAS pathway and related targeted therapies under investigation in NSCLC. Some of these agents may play a key role in KRAS-mutant NSCLC treatment in the future.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».