Therapeutic Advances of Rare ALK Fusions in Non-Small Cell Lung Cancer
Notice bibliographique
Résumé
Non-small cell lung cancer (NSCLC) accounts for approximately 85% of all lung cancer cases and is the leading cause of cancer-related death. Despite advances in chemotherapy and immunotherapy, the prognosis for advanced patients remains poor. The discovery of oncogenic driver mutations, such as anaplastic lymphoma kinase (ALK) mutations, means that a subset of patients has opportunities for targeted therapy. With the improvement of genetic testing coverage, more and more ALK fusion subtypes and ALK partners have been discovered, and more than 90 rare ALK fusion subtypes have been found in NSCLC. However, unlike the common fusion, echinoderm microtubule-associated protein-like 4 (EML4)-ALK, some rare ALK fusions such as striatin (STRN)-ALK and huntingtin interacting protein 1 (HIP1)-ALK, etc., the large-scale clinical data related to its efficacy are still immature. The clinical application of ALK-tyrosine kinase inhibitors (ALK-TKIs) mainly depends on the positivity of the ALK gene, regardless of the molecular characteristics of the fusion partner. Recent clinical studies in the ALK-positive NSCLC population have demonstrated differences in progression-free survival (PFS) among patients based on different ALK fusion subtypes. This article will introduce the biological characteristics of ALK fusion kinase and common detection methods of ALK fusion and focus on summarizing the differential responses of several rare ALK fusions to ALK-TKIs, and propose corresponding treatment strategies, so as to better guide the application of ALK-TKIs in rare ALK fusion population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».