TP53 Mutation Analysis in Gastric Cancer and Clinical Outcomes of Patients with Metastatic Disease Treated with Ramucirumab/Paclitaxel or Standard Chemotherapy
Notice bibliographique
Résumé
Loss of p53 promotes vascular endothelial growth factor (VEGF)-A up-regulation and the angiogenic potential of cancer cells. We investigated TP53 somatic mutations in 110 primary gastric adenocarcinomas of two retrospective metastatic series including 48 patients treated with second-line Ramucirumab/Paclitaxel and 62 patients who received first-line chemotherapy with Cisplatin or Oxaliplatin plus 5-Fluorouracil. Missense mutations were classified by tumor protein p53 (TP53) mutant-specific residual transcriptional activity scores (TP53RTAS) and used to stratify patients into two groups: transcriptionally TP53Active and TP53Inactive. The primary endpoint was overall survival (OS). An additional analysis was addressed to measure VEGF/VEGF receptor 2 (VEGFR2) expression levels in relation to the TP53RTAS. In the Ramucirumab/Paclitaxel group, 29/48 (60.4%) patients had TP53 mutations. Ten patients with TP53Inactive mutations showed better OS than carriers of other TP53 mutations. This effect was retained in the multivariate model analysis (Hazard Ratio = 0.29, 95% confidence interval = 0.17–0.85, p = 0.02). In the chemotherapy group, 41/62 (66%) patients had TP53 mutations, and the 11 carriers of TP53Inactive mutations showed the worst OS (Hazard Ratio = 2.64, 95% confidence interval = 1.17–5.95, p = 0.02). VEGF-A mRNA expression levels were significantly increased in TP53Inactive cases. Further studies are warranted to explore the effect of TP53Inactive mutations in different anti-cancer regimens. This information would lead to new tailored therapy strategies for this lethal disease.
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) | 0,001 | 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 ».