Multiplex RNA‐based detection of clinically relevant <i>MET</i> alterations in advanced non‐small cell lung cancer
Notice bibliographique
Résumé
MET inhibitors have shown activity in non-small-cell lung cancer patients (NSCLC) with MET amplification and exon 14 skipping (METΔex14). However, patient stratification is imperfect, and thus, response rates have varied widely. Here, we studied MET alterations in 474 advanced NSCLC patients by nCounter, an RNA-based technique, together with next-generation sequencing (NGS), fluorescence in situ hybridization (FISH), immunohistochemistry (IHC), and reverse transcriptase polymerase chain reaction (RT-PCR), exploring correlation with clinical benefit. Of the 474 samples analyzed, 422 (89%) yielded valid results by nCounter, which identified 13 patients (3%) with METΔex14 and 15 patients (3.5%) with very-high MET mRNA expression. These two subgroups were mutually exclusive, displayed distinct phenotypes and did not generally coexist with other drivers. For METΔex14, 3/8 (37.5%) samples positive by nCounter tested negative by NGS. Regarding patients with very-high MET mRNA, 92% had MET amplification by FISH and/or NGS. However, FISH failed to identify three patients (30%) with very-high MET RNA expression, among which one received MET tyrosine kinase inhibitor treatment deriving clinical benefit. Our results indicate that quantitative mRNA-based techniques can improve the selection of patients for MET-targeted therapies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».