Tissue Factor in Cancer and Angiogenesis: The Molecular Link between Genetic Tumor Progression, Tumor Neovascularization, and Cancer Coagulopathy
Notice bibliographique
Résumé
Tissue factor (TF), the primary cellular initiator of blood coagulation, is also involved in cancer-related processes such as hypercoagulability (Trousseau syndrome), tumor growth, angiogenesis, and metastasis. Indeed, elevated TF expression by cancer cells and their associated endothelial cells has been reported frequently. Oncogenic events in cancer cells (e.g., expression of mutant K- ras, EGFR, PTEN or p53) lead to an increase in TF levels and activity, and thereby promote tumor aggressiveness, angiogenesis, and hypercoagulability. Like TF, thrombin receptor (protease-activated receptor-1) is also upregulated in cancer cells expressing oncogenic K -ras. Pharmacological antagonists of some of these transforming genes (e.g., epidermal growth factor receptor inhibitors) could diminish TF expression, both locally and systemically, and hence these targeted agents could be viewed as potential indirect and cancer-specific anticoagulants, in addition to their direct antitumor effects. We postulate that levels of circulating TF may be useful in monitoring the biological activity of these agents. Although TF is essential for vascular development, its expression by tumor-associated endothelium appears to play a subtle and seemingly dispensable role. Thus, TF is a pivotal element of the tumor-vascular interface, is involved in many cancer-related processes, and may well constitute a promising new target for anticancer combination therapies in some disease settings.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 ».