Whole genome and transcriptome sequencing of lung cancer: Options for personalized cancer treatment.
Notice bibliographique
Résumé
e20567 Background: Targeted therapy against driver mutations has revolutionized lung cancer management. The Personalized OncoGenomics (POG) program uses whole genome and transcriptome derived information to build pathways and identify potential therapeutic targets. We examined the lung adenocarcinoma (LUAD) patients enrolled in POG in order to identify novel cancer drivers and correlate the findings with clinical characteristics. Methods: Patients with advanced LUAD and survival > 6 months were eligible. Blood, archival and fresh tumour specimens were subjected to comprehensive DNA and RNA sequencing. SNV data were compared to the TCGA-LUAD cohort using the cBioPortal platform. Whole tumor transcriptome data were compared to matched normal blood specimens. Clinical characteristics were collected by chart review. Results: 30 POG LUAD cases were analyzed. Baseline characteristics; 47% female, median age 60, 57% never/light smokers, biopsy site - 50% lung, 50% metastatic lesion. High mutations rates in TP53, KRAS, NF1 were comparable to the TCGA-LUAD cohort. Four genes ( GOLGA6L2, FAM186A, ARMCX4 and RBMXL3), were mutated 17-27% of the time in POG patients, while the rate in TCGA-LUAD was < 1%. Driver mutations ( KRAS and EGFR) and known fusions (ROS1 and RET) were present in 63%.Other potential drivers included ERBB3, ERBB2, SDC:NRG1 fusion were identified. Copy number alterations and expression data revealed variations in cell cycle, mTOR, androgen receptor,HSP90, MET and Wee1 proteins, all potential targets for therapy. PD-L1 over-expression and a strong smoking signature were not mutually exclusive to EGFR copy gain and FGFR3 overexpression. Conclusions: The molecular signature of NSCLC is complex and involves multiple key oncogenic drivers. Whole genome sequencing and transcriptome data should be used together to map out the pathways of carcinogenesis and reliably identify targets for therapy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».