Abstract B069: Drug response variability between luminal and basal prostate cancer tumors
Notice bibliographique
Résumé
Abstract Introduction: Prostate cancer (PCa) is a genomically heterogeneous disease that has been subtyped into molecularly distinct subtypes. Over the past several years, multiple drugs have demonstrated improvements in overall survival in men with advanced prostate cancer, prompting further investigations of these drugs. However, characterizing drug response in the localized disease setting and in the context of PCa molecular subtypes needs further investigation. Here in a large prospective cohort of men with adverse pathology we explore the heterogeneity of patient drug response between basal, luminal, and neuroendocrine prostate cancer subtypes. Methods: Whole-transcriptome RNA expression profiles of 9,640 radical prostatectomy (RP) samples from prospective use of the Decipher test were obtained from the GRID registry database. Patients were subtyped into basal, luminal A, luminal B, and neuroendocrine subtypes using the PAM50 and small cell gene expression signatures. Drug response scores (DRS) predicting patient sensitivity for 89 oncology drugs were determined using in vitro drug sensitivity and microarray data from the NCI-60 panel. Pearson’s chi squared test was used to determine significant differences in drug sensitivity among PCa subtypes. Results: Applying the subtype signatures to the cohort, we classified 43% of samples as basal, 26% as luminal A, 30% as luminal B, and 2% as neuroendocrine. DRS was highly variable across the subtypes. Basal tumors showed a distinct drug response profile where basal tumors were more sensitive to kinase inhibitors (e.g., cabozantanib, dasatnib, erlotinib), mTOR inhibitors (e.g., everolimus, temsirolumus), DNA repair inhibitors (e.g., olaparib, mitoxantrone), and alkylating (e.g., cisplatin, carboplatin) chemotherapy. Luminal A and B were more sensitive to steroid inhibition (e.g., abiraterone, tamoxifen) and anti-microtuble (e.g., docetaxel, paclitaxel, vinorelbine) chemotherapy, whereas neuroendocrine had highest DRS for antiproliferative agents (e.g., mitomycin, cytabarine, carmustine, topotecan), Significant differences in average DRS scores in subtypes were observed for all 89 drugs (p<0.001). Conclusion: Prostate cancer subtypes in the localized disease setting have distinct drug response profiles, suggesting that subtyping and DRS scores may be useful for selecting candidates for systemic therapy trials. Citation Format: Robert Den, Jonathan Lehrer, Mandeep Takhar, Mohammed Alshalalfa, Nicholas Erho, Elai Davicioni, Felix Feng. Drug response variability between luminal and basal prostate cancer tumors [abstract]. In: Proceedings of the AACR Special Conference: Prostate Cancer: Advances in Basic, Translational, and Clinical Research; 2017 Dec 2-5; Orlando, Florida. Philadelphia (PA): AACR; Cancer Res 2018;78(16 Suppl):Abstract nr B069.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».