Association between certain non–small cell lung cancer driver mutations and predictive markers for chemotherapy or programmed death‐ligand 1 inhibition
Notice bibliographique
Résumé
This study aimed to analyze the association between driver mutations and predictive markers for some anti-tumor agents in non-small cell lung cancer (NSCLC). A cohort of 785 Chinese patients with NSCLC who underwent resection from March 2016 to November 2017 in the First Affiliated Hospital of Guangzhou Medical University was investigated. The specimens were subjected to hybridization capture and sequence of 8 important NSCLC-related driver genes. In addition, the slides were tested for PD-L1, excision repair cross-complementation group 1 (ERCC1), ribonucleotide reductase subunit M1 (RRM1), thymidylate synthase (TS) and β-tubulin III by immunohistochemical staining. A total of 498 (63.4%) patients had at least 1 driver gene alteration. Wild-type, EGFR rare mutation (mut), ALK fusion (fus), RAS mut, RET fus and MET mut had relatively higher proportions of lower ERCC1 expression. EGFR 19del, EGFR L858R, EGFR rare mut, ALK fus, HER2 mut, ROS1 fus and MET mut were more likely to have TS low expression. Wild-type, EGFR L858R, EGFR rare mut and BRAF mut were associated with lower β-tubulin III expression. In addition, wild-type, RAS mut, ROS1 fus, BRAF and MET mut had higher proportion of PD-L1 high expression. As a pilot validation, 21 wild-type patients with advanced NSCLC showed better depth of response and response rate to taxanes compared with pemetrexed/gemcitabine (31.2%/60.0% vs 26.6%/45.5%). Our study may aid in selecting the optimal salvage regimen after targeted therapy failure, or the chemo-regimen where targeted therapy has not been a routine option. Further validation is warranted.
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 | 0,000 | 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) | 0,001 | 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 ».