MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391096236 · doi:10.1200/jco.2024.42.3_suppl.697

Characterizing the genomic landscape of locally advanced pancreatic cancer.

2024· article· en· W4391096236 sur OpenAlexaff
Galileo Arturo Gonzalez Conchas, Grainne M. O’Kane, Robert E. Denroche, Gun Ho Jang, Sandra E. Fischer, Anna Dodd, Sarah Picardo, Spring Holter, Julie M. Wilson, George Zogopoulos, Elena Elimova, Rebecca M. Prince, Raymond Woo-Jun Jang, Malcolm J. Moore, James Biagi, Faiyaz Notta, Robert C. Grant, Steven Gallinger, Erica S. Tsang, Jennifer J. Knox

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensQueen's UniversityMcGill University Health CentreMount Sinai HospitalUniversity Health NetworkUniversity of TorontoOntario Institute for Cancer ResearchPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineKRASInternal medicinePancreatic cancerOncologyCancerColorectal cancer

Résumé

récupéré en direct d'OpenAlex

697 Background: Locally advanced pancreatic cancer (LAPC) accounts for approximately 30% of pancreatic ductal adenocarcinomas (PDAC). Optimal management for LAPC is controversial and combination treatments are extrapolated from treatment guidelines for metastatic disease. The biological underpinnings of LAPC remain unclear, although the loss of tumor suppressor SMAD4 has been associated with metastatic disease. Here we characterize the genomic landscape of LAPC in a large series of prospectively sequenced PDAC. Methods: Clinical, genomic and survival data were obtained from the COMPASS trial (NCT02750657), a prospective multi-institutional study that included patients with treatment-naïve advanced PDAC, with predominantly metastatic cases due to ease of biopsy. Fresh tumor tissue was acquired by percutaneous core biopsy for real-time whole genome sequencing (WGS) and RNA sequencing (RNAseq). Laser capture micro-dissection was performed for all cases. Response to therapy was assessed every 8 weeks, and patients were followed prospectively. Results: Of 268 patients (268 with available WGS and 253 with RNAseq), 37 (14%) had LAPC. Baseline epidemiological variables were similar, with no differences between sex, age, smoking status, or history of diabetes. Patients with LAPC had a lower BMI (median 22 vs 24, p=0.005) and lower baseline CA19-9 (median 488 vs 2551, p=0.002) than metastatic cases. All patients with LAPC had a low (<2 points) Gustave Roussy Immune Score, previously shown to be prognostic in our dataset. Driver alternations were similar in LAPC and metastatic cases with no differences in SMAD4 loss between the two groups; however, major imbalances in mutant KRAS were absent in the LAPC group. The burden of SNVs, indels and SVs was significantly lower in LAPC (Table). All LAPC cases demonstrated a classical RNA subtype, compared to 23% in metastatic cases ( p=0.0008). Median OS measured 12.5 and 8.3 months for LAPC and metastatic cases, respectively (HR 0.65, 95% CI 0.48-0.89, p=0.003). In addition, when measuring CD8+ T cell infiltration by IHC using median cut-off values, primary site biopsies had a higher CD8+ T cell infiltrate compared to metastatic sites (77% vs 56% CD8-high, respectively, p=0.01). Conclusions: These integrated genomic, RNA subtyping and early immunophenotyping results suggest that LAPC demonstrate less genomic instability and classical programming. Further study will delineate how these genomic differences, along with better clinical features, may influence treatment decision-making and design of future clinical trials. Clinical trial information: NCT02750657 . [Table: see text]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,393
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→