Molecular determinants of sotorasib clinical efficacy in KRASG12C-mutated non-small-cell lung cancer
Notice bibliographique
Résumé
Molecular determinants of KRAS(G12C)inhibitor efficacy in KRASG12C-mutated non-small-cell lung cancer (NSCLC) remain poorly characterized. Here we report one of the largest integrated analyses to date of sotorasib clinical efficacy biomarkers from the phase 2 CodeBreaK 100 and phase 3 CodeBreaK 200 studies. We reveal differential sotorasib activity and relative benefit compared to docetaxel across KRASG12C-mutated NSCLC co-mutational subsets and transcriptional subtypes. We also identify low expression of TTF1 and KEAP1 co-mutations/NRF2 activation as major determinants of sotorasib anti-tumor efficacy and adverse prognostic features. Exploratory analyses highlight potential tumor cell-extrinsic contributors to sotorasib anti-tumor activity and suggest that early on-treatment clearance of KRASG12C- circulating tumor DNA may refine clinical response prediction algorithms. Our findings advance precision medicine for patients with KRASG12C-mutated NSCLC and establish a framework for patient stratification and selection for treatment intensification with rationally applied therapeutic combinations. This large integrated analysis of the KRASG12C inhibitor sotorasib clinical efficacy biomarkers from the phase 2 CodeBreaK 100 and phase 3 CodeBreaK 200 trials shows that low expression of TTF-1 and high expression of NRF2 determine anti-tumor efficacy of sotorasib in non–small-cell lung cancer.
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 | 0,001 |
| 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 ».