MétaCan
Menu
← Retour à la cohorte
Enregistrement W2766257935 · doi:10.1200/jco.2017.35.15_suppl.11583

Role of ERBB signaling in RET-rearranged lung cancer and contribution of EGFR amplification to cabozantinib resistance.

2017· article· en· W2766257935 sur OpenAlexaff
Roger S. Smith, Alexander Drilon, Siddharth Kunte, Ken Suzawa, Takuo Hayashi, Lukas Delasos, Huichun Tai, Tyler D. Hitchman, Inna Khodos, Marissa S. Mattar, Shinji Kohsaka, Elisa de Stanchina, William W. Lockwood, Marc Ladanyi, Romel Somwar

Notice bibliographique

RevueJournal of Clinical Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésCabozantinibCancer researchVandetanibErlotinibCrizotinibMedicineAfatinibGefitinibLung cancerEGFR inhibitorsTyrosine-kinase inhibitorCancerEpidermal growth factor receptorTyrosine kinaseInternal medicineReceptor

Résumé

récupéré en direct d'OpenAlex

11583 Background: Lung cancers driven by oncogenic RET fusions have lower response rates to targeted monotherapy such as cabozantinib (28%) relative to response rates typically observed in ALK- or ROS1- rearranged lung adenocarcinomas (60-80%). Methods: To identify targetable co-dependencies or cooperating pathways for RET fusion-positive lung cancers, we performed high-throughput chemical and genetic screens to find FDA-approved drugs or genes that when inhibited, would synergize with cabozantinib in RET fusion-positive lung cancer cell lines. In addition we performed NGS of a pair of pre-treatment and post-cabozantinib progression samples. Results: We identified EGFR siRNAs and anti-EGFR drugs as synergistic with cabozantinib. Combinations of drugs that target EGFR (cetuximab, afatinib, erlotinib, gefitinib, neratinib) and RET (cabozantinib, CEP-32496, lenvatinib, vandetanib) were more effective at reducing growth of RET cell lines than any single agent in vitro and in xenograft models. Cabozantinib treatment of RET fusion-positive cell lines inhibited EGFR and RET phosphorylation, an observation not seen in RET wild-type cell lines. Co-immunoprecipitation studies reveal that RET and EGFR interact. Ectopic expression of CCDC6-RET in NIH-3T3 or human bronchial epithelial cells resulted in upregulation of multiple ERBB receptors and ligands (not seen in a ROS1 fusion-positive cell line) and a concomitant increase in EGFR stability. Treatment with ERBB pathway ligands or overexpression of EGFR decreased sensitivity to cabozantinib in two RET fusion-positive cell lines. Finally, sequencing of a pair of pre-treatment and post-progression samples from a lung cancer patient treated with cabozantinib revealed acquired amplification of EGFR in the latter sample. Conclusions: Taken together, these results suggest that the tumorigenic potential of RET fusion oncogenes is dependent on deregulation of ERBB-activated pathways and that a combination of RET and EGFR drugs could be more effective in treating RET fusion-positive tumors. Moreover, amplification of EGFR is a potential driver of resistance to cabozantinib in RET-rearranged lung cancers.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,067
Tête enseignante GPT0,517
Écart entre enseignants0,451 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→