Abstract 6909: KRASG12C inhibitor resistance in patient-derived non-small cell lung cancer models
Notice bibliographique
Résumé
Abstract Introduction: One quarter of lung adenocarcinomas (LUAD) harbor KRAS-mutations, with KRASG12C accounting for the majority (40%). GDP-KRASG12C inhibitors (G12Ci) have been developed for this patient cohort, and two of these are approved for clinical use in the US. While response rates to G12Ci tested in clinical trials have been between 35-50%, studies have identified mechanisms of adaptive resistance to these novel agents, limiting their use as monotherapies. However, primary (intrinsic) resistance to these compounds has not been explored extensively. We leveraged our patient-derived xenograft (PDX) and xenograft-derived organoid (XDO) development programs to study primary resistance to the novel G12Ci, AZD4625. Methods: Twelve KRASG12C PDX models were established which recapitulated patient tumor histology, and genomic, transcriptomic, and methylome profiles. From these 12 PDX, six long-term (passage >10) XDO were generated. PDX were treated with AZD4625 chronically for four weeks as well as in an acute dosing pharmacodynamic study, where tumors were harvested for further analysis. Results: The AZD4625 drug screen in our PDX models reproduced the G12Ci response rate observed in clinical trials. Four of twelve tumor models reduced in size on treatment, while the remainder were considered resistant as these tumors increased in size on treatment. Sensitive tumors became necrotic while those resistant remained proliferative. XDO models recapitulated their originating PDX genomic alterations, histology, as well as responses to AZD4625. During the acute pharmacodynamic screen in our PDX models, we observed a decrease in pERK1/2 and pS6 protein expression in sensitive but not resistant models, despite acute DUSP6 gene expression decreases in every model. Global proteomic analysis highlighted differences between each model. Conclusion: PDX and XDO are useful models to study resistance to this novel class of inhibitor, with the KRASG12C NSCLC PDX models exhibiting a treatment response rate that is similar to those observed in clinical trials. Global proteomics suggests uniqueness of each model in our cohort, hinting that a universal combination of specific targeted agents to treat KRASG12C LUAD tumors may be insufficient. Citation Format: Joshua C. Rosen, Nhu-An Pham, Quan Li, Pinjiang Cao, Katrina Hueniken, Takamasa Koga, Nikolina Radulovich, Alex Koers, Michael Niedbala, Sarah Ross, Adrian Sacher, Ming-Sound Tsao. KRASG12C inhibitor resistance in patient-derived non-small cell lung cancer models [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 6909.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».