XiaoMi-AI文件搜索系统
World File Search SystemONCOKB
常见评论
oncokb是在纪念斯隆·凯特林（MSK）开发的精确肿瘤学知识库，该知识库（MSK）收集并存储有关体细胞癌基因改变的信息。ONCOKB中包括的改变是基于DNA的，非同义突变，重排，插入和癌症中的缺失。本文档可以互换使用“更改”，“突变”和“变体”。Oncokb根据FDA的指导文件有资格作为数据库：“使用公共人类遗传变异数据库来支持基于遗传和基因组的体外诊断的临床有效性。” 1 MSK提交的信息以支持ONCOKB数据库的“ FDA认可内容”部分的识别，该部分列出了肿瘤类型特异性的体细胞改变和相应的FDA证据水平。2此评估是基于Oncokb是否表现出与FDA指导文件中描述的建议一致的。提交的信息包括详细的描述和标准操作协议（SOP）的监督和治理程序，用于创建，维护和扩展以下范围内的数据库及其内容，以及此类信息的透明度，安全性和隐私。fda评估了这些程序是否提供了合理的保证，即变异主张是准确的，可以用作有效的科学证据的来源，以支持调节性提交中体细胞基因分型测试的临床有效性。FDA还评估了维护和保护数据库的程序。FDA对所提供的信息的评论在本文中进行了描述。基于评估的信息，FDA确定Oncokb符合支持识别数据库中ONCOKB FDA识别的内容部分的指南中所述的建议。因此，FDA识别Oncokb数据库中的“ FDA认可内容”选项卡。预计该认可将为测试开发人员提供利用Oncokb数据库的机会，以支持FDA对肿瘤分析测试3和其他类似的Sompation Genotyping测试的法规审查，以寻求授权。
精度肿瘤学：2023年在评论中
精确肿瘤学的范围继续随着药物的发展而扩展，具有新的作用机理，可以在更广泛的生物标志物选择的患者人群中对更广泛的靶标进行治疗干预。凭借我们对基于特定突变的临床意义的理解的进步以及共同发生的突变之间的上位关系，以及免疫环境在治疗选择中起作用的作用，将单个基因与单个治疗匹配的长期范围是快速发展的。这篇评论是评论系列（1）的精确度上的第二部分，它使用Oncokb在2023年为精确肿瘤学的进步提供了镜头。根据Oncokb，截至2023年11月，FDA批准了十二种治疗方法，用于独特的生物标志物选择的指示，并在过去一年的国家综合癌症网络（NCCN）指南中列出了六种生物标志物和适应症特定的治疗方法。此外，具有两种精度肿瘤疗法的令人信服的临床证据导致其纳入Oncokb中的3级研究剂（表1）。在这里，我们讨论了越来越多的可靶向分子改变以及蛋白质组学和免疫学生物标志物，它们越来越多地指导患者与新型药物的匹配，包括抗体 - 药物结合物（ADC）（ADC）和蛋白质分解 - 靶向靶向嵌合（Protac）（Protac）/蛋白质DENERINE对众多范围的群体促进群体和群体的群体群体的群体群体群体的群体。
非小细胞肺癌（NSCLC）中EGFR外显子7突变的新发现：四个病例的临床和病理分析
表皮生长因子受体（EGFR）基因的18至21的外显子基因是NSCLC患者中最常见的突变区域[1]。在具有特定EGFR突变的NSCLC患者中，对酪氨酸激酶抑制剂（TKI）的治疗有良好的反应，例如19-DEL，L858R，T790M，20-INS，G719X，S768I和L861Q [2]。近年来，临床实践中大规模平行测序技术的开发和标准化实施使得可以鉴定稀有突变，包括EGFR的外显子7中的突变。2018年，Dai L等。 [3]报道了C.866C> t（p。A289V）突变，它影响了EGFR外显子7的细胞外区域。 该突变尚未包含在主要国际数据库中，例如Oncokb，Uncormon EGFR和Clinvar [4]。2018年，Dai L等。[3]报道了C.866C> t（p。A289V）突变，它影响了EGFR外显子7的细胞外区域。该突变尚未包含在主要国际数据库中，例如Oncokb，Uncormon EGFR和Clinvar [4]。
量化癌症患者临床可行性的扩展景观
摘要关于癌症患者比例的持续辩论，这些癌症患者的比例是从精确肿瘤学中出发的，部分原因是关于哪种分子改变在临床上可起作用的观点相互冲突。为了量化自2017年以来的临床可行性的扩展，我们使用了两个相隔5年的Oncokb知识库的两个时间不同版本的Oncokb知识库进行了47,271个实体瘤的注释。在2017年至2022年之间，我们观察到具有标准护理（1或2级）的肿瘤（1或2级）的肿瘤比例增加到31.6％，预测治疗反应的预测生物标志物几乎使携带非可行驱动因素的肿瘤减半（44.2％到22.8％）。在有限或没有临床可行性的肿瘤中，TP53（43.2％），KRAS（19.2％）和CDKN2A（12.2％）是最常见的基因。
报告摘要
数据分析 使用 Intogen 框架的详细信息和代码可在此处获得 (https://intogen.readthedocs.io/en/latest/index.html)。执行此分析的具体代码可在 Genomics England 研究环境中的 /re_gecip/shared_allGeCIPs/pancancer_drivers/ code/ 下找到。成为 Genomics England 研究网络成员并获得访问权限的链接可在此处找到 https:// www.genomicsengland.co.uk/research/academic/join-gecip。执行 canSAR 化学基因组学分析的代码可通过 Zenodo (https://zenodo.org/record/8329054) 获得。使用的其他软件包/软件：VerifyBamID v1.1.3 = https://github.com/statgen/verifyBamID Ccube v1 = https://github.com/keyuan/ccube Isaac aligner v03.16.02.19 = https://github.com/Illumina/Isaac3 Strelka v2.4.7 = https://github.com/Illumina/strelka bcftools v1.9 = https://samtools.github.io/bcftools/bcftools.html alleleCount-FixVAF v4.1.0 = https://github.com/danchubb/alleleCount-FixVAF VEP v101 = https://github.com/Ensembl/ensembl-vep CADD v1.6 = https://github.com/kircherlab/CADD-scripts/ OncoKb v3.11 = https://www.oncokb.org/api-access trackViewer v1.38.2 = https://github.com/jianhong/trackViewer mSINGS = https://bitbucket.org/uwlabmed/msings/src/master/ HRDetect = https://github.com/eyzhao/hrdetect-pipeline
晚期癌症患者的全面基因组分析和治疗意义：一家学术医院的经验
摘要：下一代测序 (NGS) 可用于检测肿瘤特异性基因组改变。这项回顾性单中心研究旨在评估广泛的 NGS 面板在识别可操作改变和为晚期癌症患者启动匹配的靶向治疗中的应用。我们使用基础医学检测 (FoundationOne ® CDx) 分析了 464 例晚期癌症患者实体瘤活检中的基因组改变。使用纪念斯隆凯特琳精准肿瘤学知识库 (OncoKB) 分类确定治疗意义。FoundationOne ® CDx 成功应用于 464/521 名患者 (89%)。最常见的改变基因是 TP53 (61%)、KRAS (20%)、CDKN2A (20%)、TERT (16%) 和 APC (16%)。在成功分析肿瘤突变负荷 (TMB) 的 419 名患者中，43 名患者表现出高 TMB（≥ 10 个突变/兆碱基）。在 126 名具有可操作目标的患者中，40 名患者接受了匹配治疗（32%），其中 17 名患者在临床试验中接受治疗。这项研究表明，NGS 在学术中心的应用是可行的，并且提高了可操作改变的检测率，并识别出无论肿瘤组织学如何都适合接受靶向治疗或免疫治疗的患者。早期转诊进行 NGS、纳入临床（篮子）试验以及开发新的靶向药物等策略对于提高匹配治疗率是必不可少的。
从多组学数据到癌症可用药基因的发现
靶向药物的开发使得癌症治疗可以实现精准医疗，并实现最佳的靶向治疗。准确识别癌症药物基因有助于加强对癌症靶向治疗的认识，促进癌症的精准治疗。然而，由于多组学数据的多样性和复杂性，发现的癌症药物基因非常少见。本研究提出了一种基于机器学习的癌症药物基因发现新方法DF-CAGE。DF-CAGE整合了~10000个TCGA谱中的体细胞突变、拷贝数变异、DNA甲基化和RNA-Seq数据，以识别癌症药物基因的概况。我们发现DF-CAGE从多组学数据的角度发现了目前已知的癌症药物基因的共性，并在OncoKB、Target和Drugbank数据集上取得了优异的表现。在~20,000个蛋白质编码基因中，DF-CAGE精确定位了465个潜在的癌症药物基因。我们发现候选癌症药物基因（CDG-基因）具有临床意义，可分为高可信、可靠和潜在基因集。最后，我们分析了组学数据对药物基因识别的贡献。我们发现DF-CAGE主要根据CNA数据、基因重排和人群中的突变率来报告药物基因。这些发现可能对未来新药的研究和开发有所启发。
未分化甲状腺癌：基于基因组寻找新的靶向治疗方案
目的：间变性甲状腺癌 (ATC) 是最致命的人类癌症之一，且治疗选择很少。我们旨在确定美国食品药品管理局 (FDA) 已批准用于治疗实体癌的靶向药物，这些药物可能对 ATC 有效。设计：数据库挖掘。方法：通过筛选 MyCancerGenome 和美国国家癌症研究所的数据库，确定 FDA 批准的靶向治疗药物。通过查询 Drugbank 将药物与靶基因联系起来。随后，在 MyCancerGenome、CIViC、TARGET 和 OncoKB 中挖掘出预测会导致药物敏感性或耐药性的基因变异。我们在 Cancer Genome Atlas 数据库 (TCGA) 中搜索 ATC 患者，并探究他们的测序数据，寻找预测药物反应的基因变异。结果：在研究中，确定了 155 种 FDA 批准的药物，其中有 136 个潜在靶向基因。在 TCGA 中发现的 33 名患者中，有 17 名 (52%) 至少有一个靶向基因的基因变异。 45% 的患者出现点突变 BRAF V600E。18% 的病例出现 PIK3CA。3% 的病例分别检测到 ALK 和 SRC 扩增。15% 的患者显示 BRAF 和 PIK3CA 共同突变。除 BRAF 抑制剂外，PIK3CA 抑制剂 copanlisib 显示出基因预测的反应。其余 146 种 (94%) 药物没有或很低（低于 4% 的病例）显示出基因预测的药物反应。结论：虽然携带 BRAF 突变的 ATC 可以从 BRAF 抑制剂中受益，并且对于某些患者，包括 PIK3CA 抑制剂在内的联合策略可能会增强这种效果，但目前 FDA 批准的选项并不直接针对 BRAF WT ATC 的改变。
锂中的多尺度和分层反应机制...
1。Haendel MA，Chute CG，Robinson PN。 分类，本体论和精密医学。 n Engl J Med。 2018; 379：1452-1462。 2。 Zehir A，Benayed R，Shah RH等。 对征收癌症的突变景观揭示了10,000名患者的前瞻性临床测序。 nat Med。 2017; 23：703-713。 3。 Kou T，Kanai M，Matsumoto S，Okuno Y，MutoM。在癌症治疗中进行临床测序的可能性。 JPN J Clin Oncol。 2016; 46：399-406。 4。 Kou T，Kanai M，Yamamoto Y等。 在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。 癌症科学。 2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。Haendel MA，Chute CG，Robinson PN。分类，本体论和精密医学。n Engl J Med。2018; 379：1452-1462。 2。 Zehir A，Benayed R，Shah RH等。 对征收癌症的突变景观揭示了10,000名患者的前瞻性临床测序。 nat Med。 2017; 23：703-713。 3。 Kou T，Kanai M，Matsumoto S，Okuno Y，MutoM。在癌症治疗中进行临床测序的可能性。 JPN J Clin Oncol。 2016; 46：399-406。 4。 Kou T，Kanai M，Yamamoto Y等。 在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。 癌症科学。 2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2018; 379：1452-1462。2。Zehir A，Benayed R，Shah RH等。对征收癌症的突变景观揭示了10,000名患者的前瞻性临床测序。nat Med。2017; 23：703-713。 3。 Kou T，Kanai M，Matsumoto S，Okuno Y，MutoM。在癌症治疗中进行临床测序的可能性。 JPN J Clin Oncol。 2016; 46：399-406。 4。 Kou T，Kanai M，Yamamoto Y等。 在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。 癌症科学。 2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2017; 23：703-713。3。Kou T，Kanai M，Matsumoto S，Okuno Y，MutoM。在癌症治疗中进行临床测序的可能性。JPN J Clin Oncol。2016; 46：399-406。 4。 Kou T，Kanai M，Yamamoto Y等。 在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。 癌症科学。 2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2016; 46：399-406。4。Kou T，Kanai M，Yamamoto Y等。 在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。 癌症科学。 2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。Kou T，Kanai M，Yamamoto Y等。在晚期实体瘤患者中使用下一代测序的多重基因测定法进行临床测序。癌症科学。2017; 108：1440-1446。 5。 Sunami K，Ichikawa H，Kubo T等。 在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。 癌症科学。 2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2017; 108：1440-1446。5。Sunami K，Ichikawa H，Kubo T等。在临床环境中，针对114个癌症相关基因的面板测试的可行性和实用性：基于医院的研究。癌症科学。2019; 110：1480-1490。 6。 Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2019; 110：1480-1490。6。Le Tourneau C，Delord J-P，GonçalvesA等。 基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。 lancet oncol。 2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。Le Tourneau C，Delord J-P，GonçalvesA等。基于肿瘤分子分析与常规癌症（SHIVA）的分子靶向治疗：一种多中心，开放标签，概念验证，随机，随机，受控的2期试验。lancet oncol。2015; 16：1324-1334。 7。 TrédanO，Wang Q，Pissaloux D等。 分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。 Ann Oncol。 2019; 30：757-765。 8。2015; 16：1324-1334。7。TrédanO，Wang Q，Pissaloux D等。分子筛选程序，以选择基于分子的建议疗法，用于大量癌症患者：分析探险仪试验。Ann Oncol。 2019; 30：757-765。 8。Ann Oncol。2019; 30：757-765。8。Frampton GM，Fichtenholtz A，Otto GA等。基于据称平行DNA测序的临床癌症基因组分析测试的开发和验证。nat生物技术。2013; 31：1023-1031。 9。 Van Cutsem E，KöhneCH，Hitre E等。 西妥昔单抗和化学疗法作为转移性结直肠癌的初始治疗方法。 n Engl J Med。 2009; 360：1408-1417。 10。 日本癌症协会。 癌症诊断和治疗中下一代测序的临床实践指南（2.0版）； 2020。 11。 Sunami K，Takahashi H，Tsuchihara K等。 临床实践指南，用于癌症诊断和治疗中的下一代测序（1.0版）。 癌症科学。 2018; 109：2980-2985。 12。 Chakravarty D，Gao J，Phillips SM等。 Oncokb：精确的Ogy知识库。 JCO Precis Oncol。 2017.1：PO.17.00011。 13。 Sicklick JK，Kato S，Okamura R等。 癌症患者的分子分析可以实现个性化联合疗法：I-Predict研究。 nat Med。 2019; 25：744-750。 14。 Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。2013; 31：1023-1031。9。Van Cutsem E，KöhneCH，Hitre E等。 西妥昔单抗和化学疗法作为转移性结直肠癌的初始治疗方法。 n Engl J Med。 2009; 360：1408-1417。 10。 日本癌症协会。 癌症诊断和治疗中下一代测序的临床实践指南（2.0版）； 2020。 11。 Sunami K，Takahashi H，Tsuchihara K等。 临床实践指南，用于癌症诊断和治疗中的下一代测序（1.0版）。 癌症科学。 2018; 109：2980-2985。 12。 Chakravarty D，Gao J，Phillips SM等。 Oncokb：精确的Ogy知识库。 JCO Precis Oncol。 2017.1：PO.17.00011。 13。 Sicklick JK，Kato S，Okamura R等。 癌症患者的分子分析可以实现个性化联合疗法：I-Predict研究。 nat Med。 2019; 25：744-750。 14。 Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。Van Cutsem E，KöhneCH，Hitre E等。西妥昔单抗和化学疗法作为转移性结直肠癌的初始治疗方法。n Engl J Med。2009; 360：1408-1417。 10。 日本癌症协会。 癌症诊断和治疗中下一代测序的临床实践指南（2.0版）； 2020。 11。 Sunami K，Takahashi H，Tsuchihara K等。 临床实践指南，用于癌症诊断和治疗中的下一代测序（1.0版）。 癌症科学。 2018; 109：2980-2985。 12。 Chakravarty D，Gao J，Phillips SM等。 Oncokb：精确的Ogy知识库。 JCO Precis Oncol。 2017.1：PO.17.00011。 13。 Sicklick JK，Kato S，Okamura R等。 癌症患者的分子分析可以实现个性化联合疗法：I-Predict研究。 nat Med。 2019; 25：744-750。 14。 Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。2009; 360：1408-1417。10。日本癌症协会。癌症诊断和治疗中下一代测序的临床实践指南（2.0版）； 2020。11。Sunami K，Takahashi H，Tsuchihara K等。临床实践指南，用于癌症诊断和治疗中的下一代测序（1.0版）。癌症科学。2018; 109：2980-2985。 12。 Chakravarty D，Gao J，Phillips SM等。 Oncokb：精确的Ogy知识库。 JCO Precis Oncol。 2017.1：PO.17.00011。 13。 Sicklick JK，Kato S，Okamura R等。 癌症患者的分子分析可以实现个性化联合疗法：I-Predict研究。 nat Med。 2019; 25：744-750。 14。 Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。2018; 109：2980-2985。12。Chakravarty D，Gao J，Phillips SM等。Oncokb：精确的Ogy知识库。JCO Precis Oncol。2017.1：PO.17.00011。13。Sicklick JK，Kato S，Okamura R等。癌症患者的分子分析可以实现个性化联合疗法：I-Predict研究。nat Med。2019; 25：744-750。 14。 Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。2019; 25：744-750。14。Dalton WB，Forde PM，Kang H等。 肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。 JCO Precis Oncol。 2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。Dalton WB，Forde PM，Kang H等。肿瘤学诊所的个性化医学：约翰·霍普金斯分子肿瘤委员会的实施和结果。JCO Precis Oncol。2017; 1：1-19。 15。 Pishvaian MJ，Blais EM，Brody JR等。 lancet oncol。 2020; 21：508-518。 16。2017; 1：1-19。15。Pishvaian MJ，Blais EM，Brody JR等。lancet oncol。2020; 21：508-518。16。胰腺癌患者的总体存活率接受了伴侣分析后接受匹配的疗法：对您的肿瘤登记试验的回顾性分析。Rekhtman N，Leighl NB，Somerfield MR。分子检测肺癌患者表皮生长因子抑制剂和变性淋巴瘤激酶酪氨酸激酶抑制剂的分子测试：美国临床肿瘤学会认可