MétaCan
Menu
Retour à la cohorte
Enregistrement W4403245149 · doi:10.1038/s41698-024-00726-3

Super multiple primary lung cancers harbor high-frequency BRAF and low-frequency EGFR mutations in the MAPK pathway

2024· article· en· W4403245149 sur OpenAlexaff
Haochen Li, Zhicheng Huang, Chao Guo, Yadong Wang, Bowen Li, Sha Wang, Na Bai, Hanlin Chen, Jianchao Xue, Daoyun Wang, Zhibo Zheng, Zhongxing Bing, Yang Song, Yuan Xu, Guanghua Huang, Xiaoqing Yu, Ruirui Li, Ka Luk Fung, Ji Li, Lan Song, Ziwei Zhu, Songtao Liu, Naixin Liang, Shanqing Li

Notice bibliographique

Revuenpj Precision Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChinese Society of Clinical OncologyPeking Union Medical College HospitalBeijing Xisike Clinical Oncology Research Foundation
Mots-clésCancer researchMedicineMAPK/ERK pathwayLung cancerOncologyInternal medicineLungBiologyKinaseGenetics

Résumé

récupéré en direct d'OpenAlex

The incidence of multiple primary lung cancer (MPLC) is increasing, with some of our surgical patients exhibiting numerous lesions. We defined lung cancer with five or more primary lesions as super MPLCs. Elucidating the genomic characteristics of this special MPLC subtype can help reduce disease burden and understand tumor evolution. In our cohort of synchronous super early-stage MPLCs (PUMCH-ssesMPLC), whole-exome sequencing on 130 resected malignant specimens from 18 patients provided comprehensive super-MPLC genomic landscapes. Mutations are enriched in PI3k-Akt and MAPK pathways. Their BRAF mutation frequency (31.5%) is significantly higher than MPLC with fewer lesions and early-stage single-lesion cancer, while EGFR mutations are significantly fewer (13.8%). As lesion counts increase, BRAF mutations gradually become dominant. Also, invasive lesions more tend to have classic super-MPLC mutation patterns. High-frequency BRAF mutations, especially Class II, and low-frequency EGFR mutations could be a reason for the limited effectiveness of targeted therapy in super-MPLC patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,332
Écart entre enseignants0,319 · 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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Precision OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207