Deciphering the FGFR2 Code: Innovative Targets in Gastric Cancer Therapy
Notice bibliographique
Résumé
Gastric cancer (GC) represents a major global health challenge as a highly prevalent disease with high mortality whose global incidence and mortality are predicted to worsen over the coming years. To date, our standard of care for advanced gastric cancer of combination chemotherapy and immunotherapy has a 1-year overall survival rate of 55%. Significant efforts have gone into identifying targetable alterations in gastric cancer, ultimately yielding the Fibroblast Growth Factor Receptors (FGFRs) family, specifically FGFR2 as a promising target. FGFR2 is overexpressed in GC, particularly diffuse-type GC, and is associated with poor prognostic outcomes. In recent years, there has been an increasing number of small molecule inhibitors and monoclonal antibodies targeting FGFR2 that have entered into clinical trials. Specifically for GC, these agents are currently being trialed in various phases as monotherapies or with standard-of-care treatments to make a clinically meaningful impact on what appears to be an important biological axis of GC. In this review, we outline the underlying biology of FGFR2, its putative role in GC, and the various FGFR2-targeted agents currently in clinical trials for gastric cancer patients as well as postulate some challenges in adopting these therapeutics for clinically meaningful benefit.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».