EGFR vs ERBB2: dependencia génica e inhibidores
EGFR vs ERBB2 en datos Chronos de DepMap: 224 de 1178 líneas dependen de EGFR frente a 177 de ERBB2, y 118 fármacos conocidos frente a 59 para ERBB2.
Datos a fecha de 6 de noviembre de 2026 · Equipo de BioQ

En la versión depmap_24q4 de DepMap, la inactivación de EGFR (knockout) reduce la viabilidad en 224 de 1178 líneas celulares (19,0 %), frente a 177 (15,0 %) en el caso de ERBB2. Ninguno de los dos genes es esencial común. EGFR tiene 118 fármacos conocidos y ERBB2 tiene 59, y Neratinib, Lapatinib y Afatinib aparecen en ambas listas. Todos los datos corresponden a 2026-11-06. Este artículo compara EGFR vs ERBB2 en dependencia génica e inhibidores.
Qué preguntamos: EGFR vs ERBB2 en dependencia génica y fármacos
EGFR y ERBB2 son parálogos de la misma familia de receptores tirosina quinasa, y muchos inhibidores de quinasas actúan sobre ambos. Queríamos dos comparaciones, ambas realizadas con los mismos bloques para cada gen:
- Dependencia: con qué frecuencia un knockout con CRISPR reduce la viabilidad en líneas celulares de cáncer y en qué linajes.
- Fármacos: qué compuestos están anotados para cada gen, en qué fase clínica y con qué potencia exacta.
Los bloques de dependencia usan el efecto génico de Chronos. Un valor más negativo indica que el knockout redujo más la viabilidad. Una línea se considera dependiente cuando su efecto es igual o inferior a un umbral definido. Ese umbral es una constante elegida por el análisis, no una propiedad de los datos. Los bloques de fármacos combinan Open Targets, ChEMBL, el Drug Repurposing Hub y ClinicalTrials.gov.
Qué devolvió BioQ
Dependencia por linaje
Entre las 1178 líneas celulares, EGFR tiene 224 líneas dependientes (19,0 %) y un efecto génico medio de -0,294. ERBB2 tiene 177 líneas dependientes (15,0 %) y una media de -0,329. Por tanto, EGFR tiene más líneas dependientes, mientras que ERBB2 tiene la media algo más negativa. Ambos genes figuran como no esenciales comunes.
Los cinco linajes con el efecto medio más negativo para EGFR:
| Linaje | Líneas celulares | Dependiente | % dependientes | Efecto génico medio |
|---|---|---|---|---|
| Head and Neck | 77 | 51 | 66.2 | -0.702 |
| Prostate | 10 | 6 | 60 | -0.696 |
| Biliary Tract | 35 | 17 | 48.6 | -0.561 |
| Cervix | 18 | 7 | 38.9 | -0.434 |
| Esophagus/Stomach | 69 | 27 | 39.1 | -0.422 |
La misma vista para ERBB2:
| Linaje | Líneas celulares | Dependiente | % dependientes | Efecto génico medio |
|---|---|---|---|---|
| Breast | 53 | 18 | 34 | -0.643 |
| Head and Neck | 77 | 35 | 45.5 | -0.509 |
| Esophagus/Stomach | 69 | 18 | 26.1 | -0.476 |
| Biliary Tract | 35 | 9 | 25.7 | -0.431 |
| Pancreas | 47 | 11 | 23.4 | -0.425 |
Fármacos
Para EGFR, BioQ enumera 118 fármacos y aquí se muestran los 6 primeros:
| Fármaco | Fase clínica máxima | Mecanismo | Mejor pChEMBL exacto | Tipo | Ensayos por nombre |
|---|---|---|---|---|---|
| Osimertinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 11.7 | IC50 | 188 |
| Afatinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 11 | IC50 | 112 |
| Mobocertinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 11 | IC50 | 4 |
| Neratinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 10.7 | IC50 | 69 |
| Erlotinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 10.54 | IC50 | 355 |
| Lapatinib | APPROVAL | Epidermal growth factor receptor erbB1 inhibitor | 10.22 | IC50 | 144 |
Para ERBB2, BioQ enumera 59 fármacos. Los 6 primeros son Neratinib (pChEMBL exacto 9,0, IC50), Lapatinib (8,8, KI), Afatinib (8,7, IC50), Tucatinib (8,7, IC50), Lapatinib Ditosylate (8,52, IC50) y Afatinib Dimaleate (8,3, KD). Los seis tienen APPROVAL como fase clínica máxima.

Qué significa y cómo interpretarlo
Qué comparten los dos genes. Ninguno es esencial común, de modo que el knockout afecta solo a un subconjunto de líneas. Head and Neck, Biliary Tract y Esophagus/Stomach aparecen entre los cinco primeros de ambos genes. Head and Neck es la coincidencia más clara: EGFR tiene 51 líneas dependientes de 77 (66,2 %) y ERBB2 tiene 35 de 77 (45,5 %).
En qué se diferencian. Tras Head and Neck, los linajes más fuertes para EGFR son Prostate (6 de 10, 60,0 %) y Biliary Tract (17 de 35, 48,6 %). La lista de ERBB2 está encabezada por Breast, con 18 de 53 líneas dependientes (34,0 %) y una media de -0,643. Breast no aparece entre los cinco primeros de EGFR. Prostate y Cervix no están entre los cinco primeros de ERBB2, y Pancreas no está entre los cinco primeros de EGFR. En Esophagus/Stomach, EGFR tiene 27 de 69 líneas dependientes (39,1 %) y ERBB2 tiene 18 de 69 (26,1 %), pero la media de ERBB2, de -0,476, es más negativa que la de EGFR, de -0,422. Una menor proporción de líneas dependientes no implica siempre un efecto medio más débil.
Fármacos compartidos y selectividad. Neratinib, Lapatinib y Afatinib están anotados para ambos genes, lo que concuerda con la familia compartida. Sus valores exactos de pChEMBL son más altos para EGFR que para ERBB2:
- Neratinib: 10,7 para EGFR, 9,0 para ERBB2.
- Lapatinib: 10,22 para EGFR, 8,8 para ERBB2.
- Afatinib: 11,0 para EGFR, 8,7 para ERBB2.
Conviene tomarlo como una pista sobre la selectividad EGFR ERBB2, no como una razón medida. Los valores son las mediciones exactas más altas de cada caso, y el tipo de ensayo difiere en algunos casos. Lapatinib es IC50 para EGFR, pero KI para ERBB2. Tucatinib aparece entre los seis primeros de ERBB2 con 56 ensayos por nombre, pero no entre los seis primeros de EGFR. Esa lista está truncada, por lo que no permite saber si Tucatinib falta en el conjunto completo de EGFR.
Los recuentos de ensayos clínicos se asocian por nombre de fármaco, no por gen. Por eso Neratinib (69), Lapatinib (144) y Afatinib (112) muestran recuentos idénticos en ambos genes. Tampoco distinguen los ensayos en enfermedad dependiente de EGFR de los ensayos en enfermedad dependiente de ERBB2.
Cómo reproducirlo en BioQ
BioQ recurrió a 2 recursos distintos para esta comparación. Ejecutó 4 consultas al motor en 1,09 segundos de motor, y cada bloque indica su fuente y su versión. Hacerlo a mano exige cruzar identificadores de genes, definiciones de linaje y nombres de fármacos entre portales separados.
- Abra BioQ e introduzca la consulta siguiente.
- Lea el bloque de dependencia (DepMap, Chronos) y el bloque de fármacos de EGFR.
- Repita con ERBB2 en lugar de EGFR, de modo que ambos genes usen los mismos bloques y los mismos parámetros.
- Compare las filas por linaje y los nombres de fármacos compartidos. Compruebe el tipo de ensayo junto a cada valor de pChEMBL antes de comparar potencias.
EGFR
Límites: qué no muestran los datos
- Las líneas celulares no son tumores. Una dependencia en una línea cultivada no demuestra la misma dependencia en un paciente.
- El umbral es una convención. Los recuentos y porcentajes de líneas dependientes dependen del umbral indicado. El efecto génico medio no depende de él.
- Los linajes pequeños son ruidosos. Prostate tiene solo 10 líneas, por lo que su 60,0 % se apoya en muy pocas observaciones.
- Las listas de los cinco primeros están truncadas. Un linaje ausente de una lista puede mostrar igualmente una dependencia; simplemente ocupa un lugar más bajo según el efecto medio.
- Los valores de potencia no son pares emparejados. Las cifras de pChEMBL son mediciones exactas individuales de ensayos distintos, así que no dan una razón de selectividad limpia.
- La anotación no es evidencia de beneficio. La capa de fármacos muestra la fase clínica máxima y la potencia, no resultados ni idoneidad para ningún paciente. Los recuentos de ensayos por nombre no vinculan un ensayo con un gen.
Datos y método
Las cifras de esta página se leyeron del motor de BioQ el 2026-11-06 (4 consultas, 1.1 s de tiempo de motor en total). Las tablas las genera el código a partir de las respuestas del motor; el texto solo las explica.
/depmap, /drugs
Ejecute usted mismo la misma consulta en BioQ: EGFR
Solo para uso en investigación. Esta página resume datos públicos y no constituye asesoramiento médico.
BioQ es un motor de búsqueda con IA y un agente con un objetivo: hacer la investigación biológica 100 veces más rápida. Pregunte en la aplicación web, por la API REST o desde Claude, ChatGPT o Cursor mediante MCP.
Consultas utilizadas
Preguntas frecuentes
¿Cuántas líneas celulares dependen de EGFR en comparación con ERBB2 en DepMap?
En depmap_24q4, 224 de 1178 líneas celulares (19,0 %) dependen de EGFR y 177 de 1178 (15,0 %) dependen de ERBB2. Ninguno de los dos genes figura como esencial común.
¿Qué linajes dependen más de EGFR y de ERBB2?
Para EGFR, Head and Neck encabeza la lista con 51 de 77 líneas dependientes (66,2 %). Para ERBB2, lo hace Breast con 18 de 53 (34,0 %). Head and Neck también aparece entre los cinco primeros de ERBB2, con 35 de 77 (45,5 %).
¿Cuántos fármacos se conocen para EGFR frente a ERBB2?
BioQ enumera 118 fármacos para EGFR y 59 para ERBB2. Neratinib, Lapatinib y Afatinib aparecen entre los seis primeros de ambos genes.
¿Indican los valores de pChEMBL la selectividad EGFR ERBB2?
Para Neratinib, Lapatinib y Afatinib, el pChEMBL exacto es más alto para EGFR (10,7, 10,22, 11,0) que para ERBB2 (9,0, 8,8, 8,7). Son mediciones individuales, y el valor de Lapatinib para ERBB2 es una KI mientras que el de EGFR es una IC50, por lo que no constituyen una razón de selectividad emparejada.
¿Cuánto tarda la comparación EGFR vs ERBB2 en BioQ?
Las 4 consultas al motor tardaron 1,09 segundos de motor en total y recurrieron a 2 recursos distintos.
Fuentes
- Conjunto de datos DepMap CRISPR Chronos gene effect (24Q4)
- Conjunto de datos Open Targets Platform; ChEMBL; Drug Repurposing Hub
Los resultados proceden de bases de datos públicas a la fecha indicada y pueden cambiar. BioQ ofrece información para la investigación, no consejo médico.
Más del blog
MDM2 frente a MDM4: dependencia génica y fármacos
MDM2 frente a MDM4 en DepMap 24q4 (Chronos): 384 de 1178 líneas celulares dependen de MDM2 y 142 de MDM4; 12 fármacos anotados para MDM2 y 1 para MDM4.
Nuevo estudio sobre CD4: células CAR-NK y rebote del VIH
Nuevo estudio sobre CD4 con CAR-NK y rebote del VIH, en contexto con datos de BioQ: dependencia en DepMap, enfermedades de Open Targets, fármacos y Reactome.
Nuevo estudio sobre GSTM1: daño renal por cisplatino
Un estudio de 2026 vincula la pérdida de GSTM1 con mayor daño renal por cisplatino; BioQ muestra qué dicen DepMap, Open Targets, ChEMBL, Reactome y STRING.


