MétaCan
Menu
Retour à la cohorte
Enregistrement W3034783173 · doi:10.1016/j.trecan.2020.05.009

Clinical Development of BRAF plus MEK Inhibitor Combinations

2020· review· en· W3034783173 sur OpenAlexfundno aff
Vivek Subbiah, Christina S. Baik, John M. Kirkwood

Notice bibliographique

RevueTrends in cancer · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMelanoma and MAPK Pathways
Établissements canadiensnon disponible
Organismes subventionnairesDaiichi Sankyo CompanyBristol-Myers Squibb CanadaGenentechEuropean Society for Medical OncologyExelixisPrometheusRochePfizerNovartis Pharmaceuticals CorporationCelgeneAmerican Society of Clinical OncologyAstraZenecaNovartisSpectrum PharmaceuticalsAmgenGlaxoSmithKline
Mots-clésMEK inhibitorCancer researchChemistryPharmacologyMedicineMAPK/ERK pathwayPhosphorylationBiochemistry

Résumé

récupéré en direct d'OpenAlex

Genomic profiling shows that many solid tumors are characterized by specific driver aberrations, and this has expanded the therapeutic options for many patients. The mitogen-activated protein kinase (MAPK) pathway is a key cell signaling pathway involved in regulating cellular growth, proliferation, and survival. Driver mutations in the BRAF gene, a key player in the MAPK pathway, are described in multiple tumor types, including subsets of melanoma, non-small cell lung cancer (NSCLC), and anaplastic thyroid cancer (ATC), making BRAF a desirable target for inhibition. BRAF inhibitors have shown efficacy in several cancers; however, most patients eventually develop resistance. To delay or prevent resistance, combination therapy targeting BRAF and MEK, a downstream signaling target of BRAF in the MAPK pathway, was evaluated and demonstrated synergistic benefit. BRAF and MEK inhibitor combinations have been approved for use in various cancers by the US FDA. We review the clinical data for various BRAF plus MEK combination regimens in three cancer types with underlying BRAF driver mutations: melanoma, NSCLC, and ATC. We also discuss practical treatment considerations and management of selected combination therapy toxicities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,135
Tête enseignante GPT0,440
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations352
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTrends in cancerMême sujetMelanoma and MAPK PathwaysTravaux en français237 207