Direct GDP-KRAS <sup>G12C</sup> inhibitors and mechanisms of resistance: the tip of the iceberg
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
Kirsten rat sarcoma viral oncogene homolog mutations are observed in 25% of lung adenocarcinoma and 40% of these are G12C mutations. Historically, no approved targeted agents were available for patients with any KRAS mutation, and response rates to standard-of-care therapies were suboptimal. Newly developed inhibitors directed toward KRAS G12C have been successful in clinical trials with overall response rates ranging between 32% and 46%, and two FDA approvals were granted in May 2021 and December 2022 as second-line or later monotherapies. However, rapid tumor resistance complicates their use as a monotherapy. With the rapid development of this novel class of inhibitors, it is important to discern the different types of tumor resistance that may arise and how each can differently contribute to tumor growth and survival. G12C inhibitor resistance is under investigation and combinations of therapies with G12C inhibitors have been proposed. Much of this insight is gleaned from preclinical investigations, as our knowledge of clinical resistance is in its infancy. In this review, we summarize the preclinical development of KRAS G12C inhibitors, their clinical evaluations, different types of resistance mechanisms to these compounds, and ways of overcoming them. Finally, we underscore the importance of basic and translational investigations of these molecules in a landscape where their clinical evaluations garner the most attention, and we set the stage for what is to come.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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