Neuroendocrine Transformation as a Mechanism of Resistance to Targeted Lung Cancer Therapies: Emerging Mechanisms and Their Therapeutic Implications
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer-related deaths worldwide, highlighting a major clinical challenge. Lung cancer is broadly classified into two histologically distinct subtypes, termed small cell lung cancer (SCLC) or non-small cell lung cancer (NSCLC). Identification of various oncogenic drivers of NSCLC has facilitated the development of targeted therapies that have dramatically improved patient outcomes. However, acquired resistance to these targeted therapies is common, which ultimately results in patient relapse. Several on-target and off-target resistance mechanisms have been described for targeted therapies in NSCLC. One common off-target mechanism of resistance to these therapies is histological transformation of the initial NSCLC into SCLC, a highly aggressive form of lung cancer that exhibits neuroendocrine histology. This mechanism of resistance presents a significant clinical challenge, since there are very few treatments available for these relapsed patients. Although the phenomenon of NSCLC-to-SCLC transformation was described almost 20 years ago, only recently have we begun to understand the mechanisms underlying this therapy-driven response. These recent discoveries will be key to identifying novel biomarkers and therapeutic strategies to improve outcomes of patients that undergo NSCLC-to-SCLC transformation. Here, we highlight these recent advances and discuss the potential therapeutic strategies that they have uncovered to target this mechanism of resistance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».