Molecular characterisation of pancreatic ductal adenocarcinoma with<i>NTRK</i>fusions and review of the literature
Notice bibliographique
Résumé
Aims The majority of pancreatic ductal adenocarcinomas (PDACs) harbour oncogenic mutations in KRAS with variants in TP53 , CDKN2A and SMAD4 also prevalent. The presence of oncogenic fusions including NTRK fusions are rare but important to identify. Here we ascertain the prevalence of NTRK fusions and document their genomic characteristics in a large series of PDAC. Methods Whole genome sequencing and RNAseq were performed on a series of patients with resected or locally advanced/metastatic PDAC collected between 2008 and 2020 at a single institution. A subset of specimens underwent immunohistochemistry (IHC) analysis. Clinical and molecular characterisation and IHC sensitivity and specificity were evaluated. Results 400 patients were included (resected n=167; locally advanced/metastatic n=233). Three patients were identified as harbouring an NTRK fusion, two EML4-NTRK3 ( KRAS -WT) and a single novel KANK1-NTRK3 fusion. The latter occurring in the presence of a subclonal KRAS mutation. Typical PDAC drivers were present including mutations in TP53 and CDKN2A . Substitution base signatures and tumour mutational burden were similar to typical PDAC. The prevalence of NTRK fusions was 0.8% (3/400), while in KRAS wild-type tumours, it was 6.25% (2/32). DNA prediction alone documented six false-positive cases. RNA analysis correctly identified the in-frame fusion transcripts. IHC analysis was negative in the KANK1-NTRK3 fusion but positive in a EML4-NTRK3 case, highlighting lower sensitivity of IHC. Conclusion NTRK fusions are rare; however, with emerging therapeutic options targeting these fusions, detection is vital. Reflex testing for KRAS mutations and subsequent RNA-based screening could help identify these cases in PDAC.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».