Harnessing mismatch repair deficiency for therapeutic targeting in cancers
Notice bibliographique
Résumé
INTRODUCTION: Mismatch-repair deficiency (MMRd) is a pan-cancer mechanism resulting in high tumor mutation and microsatellite burden, leading to remarkable therapeutic success using immune checkpoint inhibition (ICI). However, efficacy remains variable. Our goal is to review the existing and emerging literature that provide mechanistic insights on how MMRd diversely impacts the current landscape of cancer therapeutics. AREAS COVERED: We summarize the biological impact of MMRd, highlight how variable etiologies and different MMRd cancer-types have significant diversity in genomic and immune profiles, how this drives primary and acquired ICI-resistance, and highlight the clinical trial landscape and preclinical efforts to harness these distinct mechanistic vulnerabilities into new therapeutic strategies. EXPERT OPINION: MMRd is currently recognized a tumor-agnostic biomarker for ICI treatment. However, differences in the MMRd etio-biology impact the immune microenvironment, contributing to significant response heterogeneity. Some patients show dramatic response to neoadjuvant ICI monotherapy and don't even need surgery, while most will need biologically rational combination approaches. Additionally, MMRd-driven genomic instability can make this a 'moving target,' mandating an ongoing effort to track and adapt to MMRd-driven cancer and microenvironment evolution. The next decade will focus on how best to effectively tailor immune-directed therapies for different MMRd cancers.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».