Genomic alterations in neuroendocrine prostate cancer: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Background Neuroendocrine prostate cancer (NEPC) is a lethal subtype of prostate cancer. We performed a systematic review and meta‐analysis to evaluate the prevalence of genomic alterations in NEPC and better understand its molecular features to potentially inform precision medicine. Methods EMBASE, PubMed, and Cochrane Central Register of Controlled Trials databases were searched for eligible studies until March 2022. Study qualities were assessed using the Q‐genie tool. The prevalence of gene mutations and copy number alterations (CNAs) were extracted, and meta‐analysis was performed using R Studio with meta package. Results A total of 14 studies with 449 NEPC patients were included in this meta‐analysis. The most frequently mutated gene in NEPC was TP53 (49.8%), and the prevalence of deleterious mutations in ATM/BRCA was 16.8%. Common CNAs in NEPC included RB1 loss (58.3%), TP53 loss (42.8%), PTEN loss (37.0%), AURKA amplification (28.2%), and MYCN amplification (22.9%). RB1/TP53 alterations and concurrent RB1 and TP53 alterations were remarkably common in NEPC, with a prevalence of 83.8% and 43.9%, respectively. Comparative analyses indicated that the prevalence of (concurrent) RB1/TP53 alterations was significantly higher in de novo NEPC than in treatment‐emergent NEPC (t‐NEPC). Conclusions This study presents the comprehensive prevalence of common genomic alterations and potentially actionable targets in NEPC and reveals the genomic differences between de novo NEPC and t‐NEPC. Our findings highlight the importance of genomic testing in patients for precision medicine and provide insights into future studies exploring different NEPC subtypes.
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) | 0,008 | 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) | 0,000 | 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 ».