Clinical sequencing identifies potential actionable alterations in a high rate of urachal and primary bladder adenocarcinomas
Notice bibliographique
Résumé
OBJECTIVE: Administration of targeted therapies provides a promising treatment strategy for urachal adenocarcinoma (UrC) or primary bladder adenocarcinoma (PBAC); however, the selection of appropriate drugs remains difficult. Here, we aimed to establish a routine compatible methodological pipeline for the identification of the most important therapeutic targets and potentially effective drugs for UrC and PBAC. METHODS: Next-generation sequencing, using a 161 cancer driver gene panel, was performed on 41 UrC and 13 PBAC samples. Clinically relevant alterations were filtered, and therapeutic interpretation was performed by in silico evaluation of drug-gene interactions. RESULTS: After data processing, 45/54 samples passed the quality control. Sequencing analysis revealed 191 pathogenic mutations in 68 genes. The most frequent gain-of-function mutations in UrC were found in KRAS (33%), and MYC (15%), while in PBAC KRAS (25%), MYC (25%), FLT3 (17%) and TERT (17%) were recurrently affected. The most frequently affected pathways were the cell cycle regulation, and the DNA damage control pathway. Actionable mutations with at least one available approved drug were identified in 31/33 (94%) UrC and 8/12 (67%) PBAC patients. CONCLUSIONS: In this study, we developed a data-processing pipeline for the detection and therapeutic interpretation of genetic alterations in two rare cancers. Our analyses revealed actionable mutations in a high rate of cases, suggesting that this approach is a potentially feasible strategy for both UrC and PBAC treatments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».