Circulating Tumor DNA Identifies Diverse Landscape of Acquired Resistance to Anti–Epidermal Growth Factor Receptor Therapy in Metastatic Colorectal Cancer
Notice bibliographique
Résumé
PURPOSE Anti–epidermal growth factor receptor (EGFR) antibodies are effective treatments for metastatic colorectal cancer. Improved understanding of acquired resistance mechanisms may facilitate circulating tumor DNA (ctDNA) monitoring, anti-EGFR rechallenge, and combinatorial strategies to delay resistance. METHODS Patients with treatment-refractory metastatic colorectal cancer (n = 169) enrolled on the CO.26 trial had pre–anti-EGFR tissue whole-exome sequencing (WES) compared with baseline and week 8 ctDNA assessments with the GuardantOMNI assay. Acquired alterations were compared between patients with prior anti-EGFR therapy (n = 66) and those without. Anti-EGFR therapy occurred a median of 111 days before ctDNA assessment. RESULTS ctDNA identified 12 genes with increased mutation frequency after anti-EGFR therapy, including EGFR ( P = .0007), KRAS ( P = .0017), LRP1B ( P = .0046), ZNF217 ( P = .0086), MAP2K1 ( P = .018), PIK3CG ( P = .018), BRAF ( P = .048), and NRAS ( P = .048). Acquired mutations appeared as multiple concurrent subclonal alterations, with most showing decay over time. Significant increases in copy-gain frequency were noted in 29 genes after anti-EGFR exposure, with notable alterations including EGFR ( P < .0001), SMO ( P < .0001), BRAF ( P < .0001), MET ( P = .0002), FLT3 ( P = .0002), NOTCH4 ( P = .0006), ERBB2 ( P = .004), and FGFR1 ( P = .006). Copy gains appeared stable without decay 8 weeks later. There were 13 gene fusions noted among 11 patients, all but one of which was associated with prior anti-EGFR therapy. Polyclonal resistance was common with acquisition of ≥ 10 resistance related alterations noted in 21% of patients with previous anti-EGFR therapy compared with 5% in those without ( P = .010). Although tumor mutation burden (TMB) did not differ pretreatment ( P = .63), anti-EGFR exposure increased TMB ( P = .028), whereas lack of anti-EGFR exposure resulted in declining TMB ( P = .014). CONCLUSION Paired tissue and ctDNA sequencing identified multiple novel mutations, copy gains, and fusions associated with anti-EGFR therapy that frequently co-occur as subclonal alterations in the same patient.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».