Mechanisms of Innate and Acquired Resistance to Anti-EGFR Therapy: A Review of Current Knowledge with a Focus on Rechallenge Therapies
Notice bibliographique
Résumé
Abstract Innate and acquired resistance to anti-EGFR therapy (EGFRi) is a major limitation in the treatment of metastatic colorectal cancer (mCRC). Although RAS genes are the most commonly mutated innate and acquired oncogenes in cancer, there are a number of other mechanisms that limit the effectiveness of EGFRi. Patients with innate resistance have been found to contain BRAFV600E mutations, and possibly MET, MEK, PIK3CA, PTEN, and HER2 alterations. Meanwhile, BRAFV600E mutations may also be involved in acquired resistance to EGFRi, in addition to EGFR ectodomain mutations, MET alterations, and possibly HER2 amplification. In addition, paracrine effects and cell-fate mechanisms of resistance are being increasingly described as contributing to acquired resistance. Utilization of circulating tumor DNA has been paramount in monitoring the dynamic nature of acquired resistance and has helped to guide treatment decisions, particularly in the EGFRi rechallenge setting. Herein, we provide an in-depth review of EGFRi-resistance mechanisms and describe the current therapeutic landscape in the hopes of identifying effective rechallenge strategies.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,001 |
| 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 ».