Clinical impact of <i>TP53</i> functional mutations in patients with metastatic colorectal cancer treated with bevacizumab and chemotherapy
Notice bibliographique
Résumé
BACKGROUND: Clinical and experimental studies indicate that the tumor protein p53 (TP53) gene loss of function due to missense mutations (MMs) may confer sensitivity to anti-angiogenics. This effect seems to be linked to cross-talk mechanisms among TP53, vascular endothelial growth factor (VEGF), and VEGF receptors. We investigated whether specific TP53 MMs are associated with clinical outcomes of patients with metastatic colorectal cancer (mCRC) treated with first-line chemotherapy plus Bevacizumab. The study focused on KRAS-mutated, liver-only mCRC cases as a homogeneous subgroup that may represent a relevant setting for exploring this association. MATERIALS AND METHODS: MMs were identified on primary tumors. MMs were classified by mutant-specific residual transcriptional activity scores (TP53RTAS) as transcriptionally inactive (TP53inactive = TP53RTAS 0%) or active (TP53active = TP53RTAS ≥ 1%) and used for stratifying patients in progression-free survival (PFS), response rate, and overall survival (OS) analyses. RESULTS: The study population consisted of 62 patients. MMs were found in 39 cases (62%) with 16 having TP53inactive and 23 TP53active MMs. Patients with TP53inactive MMs showed better PFS in comparison with the remaining groups (wild-type and TP53active). This effect was retained in the multivariate model. A similar clinical impact was observed in the OS analysis. There was a significant difference in the overall response rate and rate of post-treatment resection of liver metastases between the TP53inactive and the wild-type or TP53active MMs cases. CONCLUSIONS: Specific TP53 MMs may identify sub-groups of patients who benefit from Bevacizumab-based systemic therapy and these findings could lead to novel tailored treatment strategies in this setting.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».