Genomics-Driven Precision Medicine for Advanced Pancreatic Cancer: Early Results from the COMPASS Trial
Notice bibliographique
Résumé
Purpose: To perform real-time whole genome sequencing (WGS) and RNA sequencing (RNASeq) of advanced pancreatic ductal adenocarcinoma (PDAC) to identify predictive mutational and transcriptional features for better treatment selection.Experimental Design: Patients with advanced PDAC were prospectively recruited prior to first-line combination chemotherapy. Fresh tumor tissue was acquired by image-guided percutaneous core biopsy for WGS and RNASeq. Laser capture microdissection was performed for all cases. Primary endpoint was feasibility to report WGS results prior to first disease assessment CT scan at 8 weeks. The main secondary endpoint was discovery of patient subsets with predictive mutational and transcriptional signatures.Results: Sixty-three patients underwent a tumor biopsy between December 2015 and June 2017. WGS and RNASeq were successful in 62 (98%) and 60 (95%), respectively. Genomic results were reported at a median of 35 days (range, 19-52 days) from biopsy, meeting the primary feasibility endpoint. Objective responses to first-line chemotherapy were significantly better in patients with the classical PDAC RNA subtype compared with those with the basal-like subtype (P = 0.004). The best progression-free survival was observed in those with classical subtype treated with m-FOLFIRINOX. GATA6 expression in tumor measured by RNA in situ hybridization was found to be a robust surrogate biomarker for differentiating classical and basal-like PDAC subtypes. Potentially actionable genetic alterations were found in 30% of patients.Conclusions: Prospective genomic profiling of advanced PDAC is feasible, and our early data indicate that chemotherapy response differs among patients with different genomic/transcriptomic subtypes
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».