The genomic landscape of intrinsic and acquired resistance to cyclin-dependent kinase 4/6 inhibitors in patients with hormone receptor positive metastatic breast cancer
Notice bibliographique
Résumé
Abstract Clinical resistance mechanisms to CDK4/6 inhibitors in HR+ breast cancer have not been clearly defined. Whole exome sequencing of 59 tumors with CDK4/6i exposure revealed multiple candidate resistance mechanisms including RB1 loss, activating alterations in AKT1 , RAS , AURKA , CCNE2, ERBB2, and FGFR2, and loss of ER expression. In vitro experiments confirmed that these alterations conferred CDK4/6i resistance. Cancer cells cultured to resistance with CDK4/6i also acquired RB1 , KRAS , AURKA , or CCNE2 alterations, which conferred sensitivity to AURKA, ERK, or CHEK1 inhibition. Besides inactivation of RB1, which accounts for ∼5% of resistance, seven of these mechanisms have not been previously identified as clinical mediators of resistance to CDK4/6 inhibitors in patients. Three of these—RAS activation, AKT activation, and AURKA activation—have not to our knowledge been previously demonstrated preclinically. Together, these eight mechanisms were present in 80% of resistant tumors profiled and may define therapeutic opportunities in patients. Significance We identified eight distinct mechanisms of resistance to CDK4/6 inhibitors present in 80% of resistant tumors profiled. Most of these have a therapeutic strategy to overcome or prevent resistance in these tumors. Taken together, these findings have critical implications related to the potential utility of precision-based approaches to overcome resistance in many patients with HR+ MBC.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».