Short-Term Responders of Non–Small Cell Lung Cancer Patients to EGFR Tyrosine Kinase Inhibitors Display High Prevalence of TP53 Mutations and Primary Resistance Mechanisms
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
Non-small cell lung cancer (NSCLC) with activating EGFR mutations in exon 19 and 21 typically responds to EGFR tyrosine kinase inhibitors (TKI); however, for some patients, responses last only a few months. The underlying mechanisms of such short responses have not been fully elucidated. Here, we sequenced the genomes of 16 short-term responders (SR) that had progression-free survival (PFS) of less than 6 months on the first-generation EGFR TKI and compared them to 12 long-term responders (LR) that had more than 24 months of PFS. All patients were diagnosed with advanced lung adenocarcinoma and harbored EGFR 19del or L858R mutations before treatment. Paired tumor samples collected before treatment and after relapse (or at the last follow-up) were subjected to targeted next-generation sequencing of 416 cancer-related genes. SR patients were significantly younger than LR patients (P < .001). Collectively, 88% of SR patients had TP53 variations compared to 13% of LR patients (P < .001). Additionally, 37.5% of SR patients carried EGFR amplifications compared to 8% of LR patients. Other potential primary resistance factors were also identified in the pretreatment samples of 12 SR patients (75%), including PTEN loss; BIM deletion polymorphism; and amplifications of EGFR, ERBB2, MET, HRAS, and AKT2. Comparatively, only three LR patients (25%) were detected with EGFR or AKT1 amplifications that could possibly exert resistance. The diverse preexisting resistance mechanisms in SR patients revealed the complexity of defining treatment strategies even for EGFR-sensitive mutations.
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