Abstract 5847: Characterizing mechanisms of BRAF/MEK inhibitor resistance in BRAF V600 mutant colorectal cancer vs. melanoma
Notice bibliographique
Résumé
Abstract Background: BRAF V600 mutations comprise ~80% of all oncogenic BRAF mutations in metastatic colorectal cancer (mCRC). While most cancers with BRAF V600 mutations can be effectively treated with combined BRAF and MEK inhibition, BRAF V600 mutant mCRC acquire resistance through EGFR-mediated signaling. The profound difference in response rates to BRAF/MEK inhibitors in BRAF V600 mutant mCRC (12%) vs. melanoma (63-68%) is not sufficiently explained by increased EGFR signaling in CRC. Therefore, we sought to characterize the differences that exist between BRAF V600 mutant CRC and melanomas that could explain the differential sensitivity to BRAF/MEK inhibition and identify more effective treatments for BRAF V600 mutant CRC. Methods: We assessed cell survival by clonogenic assay in the presence of small molecule inhibitors. In parallel, we mined TCGA RNAseq data to calculate the MAPK Pathway Activity Score (MPAS). RTK expression was assessed in TCGA data from patients with BRAF V600 mutant CRC vs. melanoma. We developed cells with acquired resistance to BRAF+MEK inhibitors (Encorafenib+Binimetinib; E+B) by culturing cells in increasing concentrations of drug over several months. RNA-sequencing and analysis was performed on parental and resistant cells treated with vehicle control or BRAF+MEK inhibitors. Results: When comparing the efficacy of BRAF+MEK inhibitors across BRAF V600 mutant cells, we found that BRAF V600 mutant CRC cell lines (n=2) were less sensitive than melanoma cell lines (n=2). MPAS scores were significantly lower in BRAF V600 mutant CRC (n=46) vs. melanoma (n=188) tumors. We interrogated protein array data from the DepMap and identified increased activation of several RTKs (EGFR, HER2, HER3) in BRAF V600 CRC (n=8) vs. melanoma (n=39) cell lines. Similarly, we established resistant HT29 (BRAF V600 CRC) cells and observed sustained MAPK pathway activity despite a lack of difference in EGFR activity in the presence of BRAF+MEK inhibitor treatment. Both HT29 parental and resistant cells showed re-establishment of MAPK signaling after 72 hours. Resistant SkMel28 (BRAF V600 melanoma) cells showed increased pERK levels compared to resistant HT29 cells. RNAseq revealed increased expression of multiple RTKs (PDGFRB, ERBB2, ERBB3) and ligands/growth factors for multiple RTKs (FGF3, PDGFA, HB-EGF) in resistant HT29 cells. Shp2 is a protein tyrosine phosphatase that regulates signaling of multiple RTKs to activate the MAPK pathway. Accordingly, we assessed the efficacy of an inhibitor of Shp2 (TNO155) overcoming MAPKi resistance in BRAF V600 CRC cells. We confirmed that E+B+TNO155 more effectively inhibited cell growth and MAPK pathway activity in BRAF V600 CRC cell lines (n=2) in vitro. Conclusion: Together, these data identify key, actionable drivers of MAPK inhibitor resistance in CRC and highlight Shp2 as a potential therapeutic target for BRAF V600 CRC. Citation Format: Jennifer Maxwell, Emmanuelle Rousselle, Lucy An, April Rose. Characterizing mechanisms of BRAF/MEK inhibitor resistance in BRAF V600 mutant colorectal cancer vs. melanoma [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 5847.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».