Dual MAPK Inhibition Is an Effective Therapeutic Strategy for a Subset of Class II BRAF Mutant Melanomas
Notice bibliographique
Résumé
Abstract Purpose: Dual MAPK pathway inhibition (dMAPKi) with BRAF and MEK inhibitors improves survival in BRAF V600E/K mutant melanoma, but the efficacy of dMAPKi in non-V600 BRAF mutant tumors is poorly understood. We sought to characterize the responsiveness of class II (enhanced kinase activity, dimerization dependent) BRAF mutant melanoma to dMAPKi. Experimental Design: Tumors from patients with BRAF wild-type (WT), V600E (class I), and L597S (class II) metastatic melanoma were used to generate patient-derived xenografts (PDX). We assembled a panel of melanoma cell lines with class IIa (activation segment) or IIb (p-loop) mutations and compared these with WT or V600E/K BRAF mutant cells. Cell lines and PDXs were treated with BRAFi (vemurafenib, dabrafenib, encorafenib, and LY3009120), MEKi (cobimetinib, trametinib, and binimetinib), or the combination. We identified 2 patients with BRAF L597S metastatic melanoma who were treated with dMAPKi. Results: BRAFi impaired MAPK signaling and cell growth in class I and II BRAF mutant cells. dMAPKi was more effective than either single MAPKi at inhibiting cell growth in all class II BRAF mutant cells tested. dMAPKi caused tumor regression in two melanoma PDXs with class II BRAF mutations and prolonged survival of mice with class II BRAF mutant melanoma brain metastases. Two patients with BRAF L597S mutant melanoma clinically responded to dMAPKi. Conclusions: Class II BRAF mutant melanoma is growth inhibited by dMAPKi. Responses to dMAPKi have been observed in 2 patients with class II BRAF mutant melanoma. These data provide rationale for clinical investigation of dMAPKi in patients with class II BRAF mutant metastatic melanoma. See related commentary by Johnson and Dahlman, p. 6107.
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 | 0,002 | 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 | 0,001 |
| 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 ».