MétaCan
Menu
Retour à la cohorte
Enregistrement W4393054442 · doi:10.3389/fmed.2024.1369136

Targeting KRAS mutations in pancreatic cancer: opportunities for future strategies

2024· article· en· W4393054442 sur OpenAlexaff
Anna Linehan, Mary O’Reilly, Ray McDermott, Grainne M. O’Kane

Notice bibliographique

RevueFrontiers in Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic and Hepatic Oncology Research
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésKRASCancer researchPancreatic cancerCarcinogenesisNeuroblastoma RAS viral oncogene homologMolecular oncologyBiologyStromal cellMAPK/ERK pathwayCancerSignal transductionMedicineGeneticsColorectal cancer

Résumé

récupéré en direct d'OpenAlex

Targeting the RAS pathway remains the holy grail of precision oncology. In the case of pancreatic ductal adenocarcinomas (PDAC), 90–92% harbor mutations in the oncogene KRAS, triggering canonical MAPK signaling. The smooth structure of the altered KRAS protein without a binding pocket and its affinity for GTP have, in the past, hampered drug development. The emergence of KRAS G12C covalent inhibitors has provided renewed enthusiasm for targeting KRAS. The numerous pathways implicated in RAS activation do, however, lead to the development of early resistance. In addition, the dense stromal niche and immunosuppressive microenvironment dictated by oncogenic KRAS can influence treatment responses, highlighting the need for a combination-based approach. Given that mutations in KRAS occur early in PDAC tumorigenesis, an understanding of its pleiotropic effects is key to progress in this disease. Herein, we review current perspectives on targeting KRAS with a focus on PDAC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,061
Tête enseignante GPT0,379
Écart entre enseignants0,318 · 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 tête enseignante, 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

Citations39
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetPancreatic and Hepatic Oncology ResearchTravaux en français237 207