Genomic Alterations to Guide Treatment Selection in Metastatic Prostate Cancer
Notice bibliographique
Résumé
Treatment options for men with metastatic prostate cancer have greatly expanded in the last decade. Androgen receptor pathway inhibitors, taxane cytotoxic therapy, poly(ADP-ribose) polymerase inhibitors, and radionuclide theranostics against prostate-specific membrane antigen have collectively contributed to incremental improvements in both quality and longevity of life for patients with metastatic castration-resistant prostate cancer (mCRPC). Despite these successes, few studies inform on optimal therapy selection and sequencing across this crowded treatment landscape. Genomic analysis of both tissue and liquid biopsy specimens shows promise in bridging this practice gap, with alterations in several key prostate cancer driver genes demonstrating clear associations with clinical outcomes, as well as informing use of novel precision medicine targeted therapies. In this review, we evaluate the current evidence of genomic alterations in various oncogenic signaling pathways as clinical biomarkers in mCRPC, focusing on correlative studies that analyzed outcomes based on findings in plasma cell-free DNA. We highlight the pitfalls of interpreting genomic findings in samples with substandard tumor content, and suggest pathologic and disease factors to consider when embarking upon tumor genotyping to guide treatment decisions in metastatic prostate cancer. As access to life-prolonging therapies improves, and barriers to cost-effective genotyping and reliable data interpretation are overcome, we anticipate that predictive and prognostic biomarkers that inform on disease biology, drug sensitivity, and therapy resistance will inevitably be integrated into the routine care of patients with metastatic prostate cancer.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».