Analysis of the Genomic Landscape in ALK+ NSCLC Patients Identifies Novel Aberrations Associated with Clinical Outcomes
Notice bibliographique
Résumé
Abstract Rearrangements in the anaplastic lymphoma kinase (ALK) gene are found in approximately 5% of non–small cell lung carcinoma (NSCLC). Here, we present a comprehensive genomic landscape of 11 patients with ALK+ NSCLC and investigate its relationship with response to crizotinib. Using whole-exome sequencing and RNAseq data, we identified four rare ALK fusion partners (HIP1, GCC2, ERC1, and SLC16A7) and one novel partner (CEP55). At the mutation level, TP53 was the most frequently mutated gene and was only observed in patients with the shortest progression-free survival (PFS). Of note, only 4% of the genes carrying mutations are present in more than 1 patient. Analysis of somatic copy number aberrations (SCNA) demonstrated that a gain in EML4 was associated with longer PFS, and a loss of ALK or gain in EGFR was associated with shorter PFS. This study is the first to report a comprehensive view of the ALK+ NSCLC copy number landscape and to identify SCNA regions associated with clinical outcome. Our data show the presence of TP53 mutation as a strong prognostic indication of poor clinical response in ALK+ NSCLC. Furthermore, new and rare ALK fusion partners were observed in this cohort, expanding our knowledge in ALK+ NSCLC.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».