Mechanisms of Therapeutic Resistance in Cancer (Stem) Cells with Emphasis on Thyroid Cancer Cells
Notice bibliographique
Résumé
Tissue invasion, metastasis and therapeutic resistance to anti-cancer treatments are common and main causes of death in cancer patients. Tumor cells mount complex and still poorly understood molecular defense mechanisms to counteract and evade oxygen deprivation, nutritional restrictions as well as radio- and chemotherapeutic treatment regimens aimed at destabilizing their genomes and important cellular processes. In thyroid cancer, as in other tumors, such defense strategies include the reactivation in cancer cells of early developmental programs normally active exclusively in stem cells, the stimulation of cancer stem-like cells resident within the tumor tissue and the recruitment of bone marrow-derived progenitors into the tumor (Thomas et al., 2008;Klonisch et al., 2009;Derwahl, 2011). Metastasis and therapeutic resistance in cancer (stem) cells involves the epithelial-to-mesenchymal transition- (EMT-) mediated enhancement in cellular plasticity, which includes coordinated dynamic biochemical and nuclear changes (Ahmed et al., 2010). The purpose of the present review is to provide an overview of the role of DNA repair mechanisms contributing to therapeutic resistance in thyroid cancer and highlight the emerging roles of autophagy and damage associated molecular pattern (DAMP) responses in EMT and chemoresistance in tumor cells. Finally, we use the stem cell factor and nucleoprotein High Mobility Group A2 (HMGA2) as an example to demonstrate how factors intended to protect stem cells are wielded by cancer (stem) cells to gain increased transformative cell plasticity which enhances metastasis, therapeutic resistance and cell survival. Wherever possible, we have included information on these cellular processes and associated factors as they relate to thyroid cancer cells.
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 | 0,000 |
| 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 ».