MétaCan
Menu
Retour à la cohorte
Enregistrement W3081585330 · doi:10.1158/1078-0432.ccr-20-1037

Circulating Tumor DNA Genomics Reveal Potential Mechanisms of Resistance to BRAF-Targeted Therapies in Patients with <i>BRAF</i> -Mutant Metastatic Non–Small Cell Lung Cancer

2020· article· en· W3081585330 sur OpenAlexfundno aff
Sandra Ortiz‐Cuaran, Laura Mezquita, Aurélie Swalduz, Mihaela Aldea, Julien Mazières, Camille Léonce, Cécile Jovelet, Anne Pradines, Virginie Avrillon, Washington R. Chumbi Flores, Ludovic Lacroix, Yohann Loriot, Virginie Westeel, Maud Ngo‐Camus, Claire Tissot, Christine Raynaud, Radj Gervais, Étienne Brain, I. Monnet, Etienne Giroux‐Leprieur, Caroline Caramella, Céline Mahier‐Ait Oukhatar, Natalie Hoog-Labouret, Frank de Kievit, Karen Howarth, Clive Morris, Emma Green, Luc Friboulet, Sylvie Chabaud, Jean‐François Guichou, M. Pérol, Benjamin Besse, Jean‐Yves Blay, Pierre Saintigny, David Planchard

Notice bibliographique

RevueClinical Cancer Research · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesFondation ARC pour la Recherche sur le CancerAgence Nationale de la RechercheCNIB
Mots-clésCancer researchMedicineLung cancerTargeted therapyCancerMutantMutationMAPK/ERK pathwayOncologyMEK inhibitorInternal medicineKinaseBiologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: The limited knowledge on the molecular profile of patients with BRAF-mutant non–small cell lung cancer (NSCLC) who progress under BRAF-targeted therapies (BRAF-TT) has hampered the development of subsequent therapeutic strategies for these patients. Here, we evaluated the clinical utility of circulating tumor DNA (ctDNA)-targeted sequencing to identify canonical BRAF mutations and genomic alterations potentially related to resistance to BRAF-TT, in a large cohort of patients with BRAF-mutant NSCLC. Experimental Design: This was a prospective study of 78 patients with advanced BRAF-mutant NSCLC, enrolled in 27 centers across France. Blood samples (n = 208) were collected from BRAF-TT–naïve patients (n = 47), patients nonprogressive under treatment (n = 115), or patients at disease progression (PD) to BRAF-TT (24/46 on BRAF monotherapy and 22/46 on BRAF/MEK combination therapy). ctDNA sequencing was performed using InVisionFirst-Lung. In silico structural modeling was used to predict the potential functional effect of the alterations found in ctDNA. Results: BRAFV600E ctDNA was detected in 74% of BRAF-TT–naïve patients, where alterations in genes related with the MAPK and PI3K pathways, signal transducers, and protein kinases were identified in 29% of the samples. ctDNA positivity at the first radiographic evaluation under treatment, as well as BRAF-mutant ctDNA positivity at PD were associated with poor survival. Potential drivers of resistance to either BRAF-TT monotherapy or BRAF/MEK combination were identified in 46% of patients and these included activating mutations in effectors of the MAPK and PI3K pathways, as well as alterations in U2AF1, IDH1, and CTNNB1. Conclusions: ctDNA sequencing is clinically relevant for the detection of BRAF-activating mutations and the identification of alterations potentially related to resistance to BRAF-TT in BRAF-mutant 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,864

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,352
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations46
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetCancer Genomics and DiagnosticsTravaux en français237 207