Association of germline <scp>TYK2</scp> variation with lung cancer and <scp>non‐Hodgkin</scp> lymphoma risk
Notice bibliographique
Résumé
Abstract Deucravacitinib, a novel, selective inhibitor of TYK2 is currently under review at the FDA and EMA for treatment of moderate‐to‐severe plaque psoriasis. It is unclear whether recent safety concerns (ie, elevated rates of lung cancer and lymphoma) related to similar medications (ie, other JAK inhibitors) are shared with this novel TYK2 inhibitor. We used a partial loss‐of‐function variant in TYK2 (rs34536443), previously shown to protect against psoriasis and other autoimmune diseases, to evaluate the potential effect of therapeutic TYK2 inhibition on risk of lung cancer and non‐Hodgkin lymphoma. Summary genetic association data on lung cancer risk were obtained from a GWAS meta‐analysis of 29 266 cases and 56 450 controls in the Integrative Analysis of Lung Cancer Risk and Aetiology (INTEGRAL) consortium. Summary genetic association data on non‐Hodgkin lymphoma risk were obtained from a GWAS meta‐analysis of 8489 cases and 374 506 controls in the UK Biobank and InterLymph consortium. In the primary analysis, each copy of the minor allele of rs34536443, representing partial TYK2 inhibition, was associated with an increased risk of lung cancer (OR 1.15, 95% CI 1.09‐1.23, P = 2.29 × 10 −6 ) and non‐Hodgkin lymphoma (OR 1.18, 95% CI 1.05‐1.33, P = 5.25 × 10 −3 ). Our analyses using an established partial loss‐of‐function mutation to mimic TYK2 inhibition provide genetic evidence that therapeutic TYK2 inhibition may increase risk of lung cancer and non‐Hodgkin lymphoma. These findings, consistent with recent reports from postmarketing trials of similar JAK inhibitors, could have important implications for future safety assessment of deucravacitinib and other TYK2 inhibitors in development.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».