Single-cell profiling of multiple myeloma reveals molecular response to FGFR3 inhibitor despite clinical progression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Genomic characterization of cancer has enabled identification of numerous molecular targets, which has led to significant advances in personalized medicine. However, with few exceptions, precision medicine approaches in the plasma cell malignancy multiple myeloma (MM) have had limited success, likely owing to the subclonal nature of molecular targets in this disease. Targeted therapies against FGFR3 have been under development for the past decade in the hopes of targeting aberrant FGFR3 activity in MM. FGFR3 activation results from the recurrent transforming event of t(4;14) found in ∼15% of MM patients, as well as secondary FGFR3 mutations in this subgroup. To evaluate the effectiveness of targeting FGFR3 in MM, we undertook a phase 2 clinical trial evaluating the small-molecule FGFR1–4 inhibitor, erdafitinib, in relapsed/refractory myeloma patients with or without FGFR3 mutations ( NCT02952573 ). Herein, we report on a single t(4;14) patient enrolled on this study who was identified to have a subclonal FGFR3 stop-loss deletion. Although this individual eventually progressed on study and succumbed to their disease, the intended molecular response was revealed through an extensive molecular characterization of the patient's tumor at baseline and on treatment using single-cell genomics. We identified elimination of the FGFR3 -mutant subclone after treatment and expansion of a preexisting clone with loss of Chromosome 17p. Altogether, our study highlights the utility of single-cell genomics in targeted trials as they can reveal molecular mechanisms that underlie sensitivity and resistance. This in turn can guide more personalized and targeted therapeutic approaches, including those that involve FGFR3-targeting therapies.
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.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle