MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399150704 · doi:10.1200/jco.2024.42.16_suppl.1040

<i>CCNE1</i> amplification as marker of poor prognosis and novel therapeutic target in advanced breast cancer.

2024· article· en· W4399150704 sur OpenAlexaff
Antonio Marra, Pier Selenica, Yingjie Zhu, Anton Safonov, Pedram Razavi, Anne Roulston, María Koehler, Giuseppe Curigliano, Dara S. Ross, Britta Weigelt, Jorge S. Reis‐Filho, Alison M. Schram, Sarat Chandarlapaty, Ezra Y. Rosen

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensTelesta Therapeutics (Canada)
Organismes subventionnairesnon disponible
Mots-clésCyclin E1MedicineInternal medicineGene duplicationBreast cancerCancer researchOncologyCancerBiologyGeneCyclinGeneticsCell cycle

Résumé

récupéré en direct d'OpenAlex

1040 Background: Cyclin E1 (CCNE1) overexpression or gene amplification is linked to dismal outcomes in various tumors, including breast cancer (BC). Recent studies suggest that CCNE1 amplification is a potential target for new synthetic lethality-based treatments, including CDK2-selective and PKMYT1 inhibition. This study explores the clinical and genomic characteristics of CCNE1-amplified BCs. Methods: We analyzed genomic and clinical data from consecutive BCs that underwent clinical tumor-normal targeted panel sequencing (MSK-IMPACT) between April 2014 and December 2021. Allele-specific copy number, including CCNE1 amplification, and fraction genome altered (FGA) were calculated by FACETS. Mutual exclusivity and co-occurrence analyses were performed using CoMEt. Benjamini–Hochberg method for multiple testing correction (q) was applied. Real-world progression-free survival (rwPFS) was assessed by the Kaplan Meier method and Cox models, focusing on patients with available pre-treatment samples. Results: Out of 3,753 BCs, 125 (3.3%) had CCNE1 amplification. A higher occurrence of CCNE1 amplification was noted in post-treatment (n=2,368) compared to treatment-naïve tumors (n=1,385; 4% vs 2.4%, p=0.007). CCNE1 amplification was less common in hormone receptor (HR)+/HER2- BCs (2%) compared to HER2+ (7.6%) and triple-negative (7.2%) tumors (p<0.001). BCs with CCNE1 amplification showed higher median FGA, indicating increased genomic instability. In primary BC, TP53 alterations were more frequent in CCNE1-amplified tumors (q<0.001), while CDH1 alterations were mutually exclusive (q<0.001) suggesting that lobular BCs rarely harbor CCNE1 amplification. Similar trends were seen in post-treatment samples. CCNE1 amplification detected at baseline was linked to shorter median rwPFS in HR+/HER2- metastatic BCs treated with CDK4/6 inhibitors plus endocrine therapy (8.8 vs 15.2 months in CCNE1-amplified [n=9] vs CCNE1-non amplified [n=402]; hazard ratio [HR] 2.82, 95% CI 1.38-5.75), and in HER2+ metastatic BCs treated with first-line THP regimen (7.3 vs 20.8 months in CCNE1-amplified [n=5] vs CCNE1-non amplified [n=106]; HR 3.1, 95% CI 1.24-7.87). In a CCNE1-amplified triple-negative cell model (HCC1569), treatment with the PKMYT1 inhibitor RP-6306 significantly reduced tumor growth. Conclusions: CCNE1 amplification in BCs is associated with greater genomic instability and characterizes a group of metastatic BCs with poor response to standard of care therapies. Novel therapies targeting CCNE1-amplified tumors are under evaluation in preclinical and clinical studies.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,410
Écart entre enseignants0,369 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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