New insights into the biology and development of lung cancer in never smokers—implications for early detection and treatment
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer deaths worldwide. Despite never smokers comprising between 10 and 25% of all cases, lung cancer in never smokers (LCNS) is relatively under characterized from an etiological and biological perspective. The application of multi-omics techniques on large patient cohorts has significantly advanced the current understanding of LCNS tumor biology. By synthesizing the findings of multi-omics studies on LCNS from a clinical perspective, we can directly translate knowledge regarding tumor biology into implications for patient care. Primarily focused on never smokers with lung adenocarcinoma, this review details the predominance of driver mutations, particularly in East Asian patients, as well as the frequency and importance of germline variants in LCNS. The mutational patterns present in LCNS tumors are thoroughly explored, highlighting the high abundance of the APOBEC signature. Moreover, this review recognizes the spectrum of immune profiles present in LCNS tumors and posits how it can be translated to treatment selection. The recurring and novel insights from multi-omics studies on LCNS tumor biology have a wide range of clinical implications. Risk factors such as exposure to outdoor air pollution, second hand smoke, and potentially diet have a genomic imprint in LCNS at varying degrees, and although they do not encompass all LCNS cases, they can be leveraged to stratify risk. Germline variants similarly contribute to a notable proportion of LCNS, which warrants detailed documentation of family history of lung cancer among never smokers and demonstrates value in developing testing for pathogenic variants in never smokers for early detection in the future. Molecular driver subtypes and specific co-mutations and mutational signatures have prognostic value in LCNS and can guide treatment selection. LCNS tumors with no known driver alterations tend to be stem-like and genes contributing to this state may serve as potential therapeutic targets. Overall, the comprehensive findings of multi-omics studies exert a wide influence on clinical management and future research directions in the realm of LCNS.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».