Pan-Cancer Analysis of Oncogenic MET Fusions Reveals Distinct Pathogenomic Subsets with Differential Sensitivity to MET-Targeted Therapy
Notice bibliographique
Résumé
MET fusions (MET-F) are oncogenic drivers that remain poorly characterized. Analysis of 56 MET-F-positive tumors from an institutional cohort of 91,119 patients (79,864 DNA sequencing plus 11,255 RNA sequencing) uncovered two forms of MET-F pathobiology. The first group featured 5' partners with homodimerization domains fused in-frame with the MET tyrosine kinase domain, primarily originated from translocations, frequently excluded MET exon 14, mediated oncogenesis through cytoplasmic aggregation and constitutive activation, and were markedly sensitive to MET tyrosine kinase inhibitors (TKI) in preclinical models and patients with lung cancer. The second group lacked partner homodimerization motifs and retained MET transmembrane and extracellular domains. Their pathogenesis involved intrachromosomal rearrangements, resulting in partner selection for promoter hijacking and fusion allele amplification. Membrane-bound fusions were enriched in gliomas with receptor tyrosine kinase co-alterations. We provide a framework to comprehend the heterogeneous landscape of MET-Fs, supporting that fusion oncogenicity and MET TKI sensitivity are determined by structural topology and pathogenomic context. SIGNIFICANCE: MET fusions are primary drivers of tumor growth in multiple tumor types - lung cancer and gliomas - and can be effectively targeted with either type I (crizotinib, capmatinib, tepotinib, and savolitinib) or type II (cabozantinib) MET TKIs, with best responses in tumors harboring fusions with partner homodimerization.
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) | 0,001 | 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) | 0,000 | 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 ».