MétaCan
Menu
Retour à la cohorte
Enregistrement W4200357671 · doi:10.3390/cells10123553

Emerging Molecular Dependencies of Mutant EGFR-Driven Non-Small Cell Lung Cancer

2021· review· en· W4200357671 sur OpenAlexafffund
Dylan Farnsworth, Yankuan T. Chen, Georgia de Rappard Yuswack, William W. Lockwood

Notice bibliographique

RevueCells · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBC Cancer FoundationCanadian Institutes of Health ResearchCancer Research Society
Mots-clésMutantLung cancerComputational biologyCancerCancer researchBiologyMutationChemistryMedicineGeneticsPathologyGene

Résumé

récupéré en direct d'OpenAlex

Epidermal growth factor receptor (EGFR) mutations are the molecular driver of a subset of non-small cell lung cancers (NSCLC); tumors that harbor these mutations are often dependent on sustained oncogene signaling for survival, a concept known as "oncogene addiction". Inhibiting EGFR with tyrosine kinase inhibitors has improved clinical outcomes for patients; however, successive generations of inhibitors have failed to prevent the eventual emergence of resistance to targeted agents. Although these tumors have a well-established dependency on EGFR signaling, there remain questions about the underlying genetic mechanisms necessary for EGFR-driven oncogenesis and the factors that allow tumor cells to escape EGFR dependence. In this review, we highlight the latest findings on mutant EGFR dependencies, co-operative drivers, and molecular mechanisms that underlie sensitivity to EGFR inhibitors. Additionally, we offer perspective on how these discoveries may inform novel combination therapies tailored to EGFR 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,946
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
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 Opus0,020
Tête enseignante GPT0,354
Écart entre enseignants0,334 · 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.

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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetLung Cancer Treatments and MutationsTravaux en français237 207