MET Inhibitors for the Treatment of Gastric Cancer: What’s Their Potential?
Notice bibliographique
Résumé
Haidar El Darsa,1 Rola El Sayed,2 Omar Abdel-Rahman1 1Division of Medical Oncology, Department of Oncology, Cross Cancer Institute, University of Alberta, Edmonton, Alberta, Canada; 2Division of Hematology-Oncology, Department of Internal Medicine, American University of Beirut Medical Center, Beirut, LebanonCorrespondence: Omar Abdel-RahmanDivision of Medical Oncology, Department of Oncology, Cross Cancer Institute, University of Alberta, Edmonton, Alberta, CanadaEmail Omar.Abdelsalam@ahs.caAbstract: Gastric cancer remains a disease with a dismal prognosis. Extensive efforts to find targetable disease drivers in gastric cancer were implemented to improve patient outcomes. Beyond anti-HER2 therapy, MET pathway seems to be culprit of cancer invasiveness with MET-overexpressing tumors having poorer prognosis. Tyrosine kinase inhibitors targeting the HGF/MET pathway were studied in MET-positive gastric cancer, but no substantial benefit was proven. Some patients responded in early phase trials but later developed resistance. Others failed to show any benefit at all. Etiologies of resistance may entail inappropriate patient selection with a lack of MET detection standardization, tumor alternative pathways, variable MET amplification, and genetic variation. Optimizing MET detection techniques and better understanding the MET pathway, as well as tumor bypass mechanisms, are an absolute need to devise means to overcome resistance using targeted therapy alone, or in combination with other synergistic agents to improve outcomes of patients with MET-positive GC.Keywords: gastric cancer, MET over-expression, MET amplification, HGF, tyrosine kinase inhibitors, monoclonal antibodies
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».