The role of kinin receptors in cancer and therapeutic opportunities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Kinins are generated within inflammatory tissue microenvironments, where they exert diverse functions, including cell proliferation, leukocyte activation, cell migration, endothelial cell activation and nociception. These pleiotropic functions depend on signaling through two cross talking receptors, the constitutively expressed kinin receptor 2 (B2R) and the inducible kinin receptor 1 (B1R). We have reviewed evidence, which supports the concept that kinin receptors, especially kinin receptor 1, are promising targets for cancer therapy, since (1) many tumor cells express aberrantly high levels of these receptors; (2) some cancers produce kinins and use them as autocrine factors to stimulate their growth; (3) activation of kinin receptors leads to activation of macrophages, dendritic cells and other cells from the tumor microenvironment; (4) kinins have pro-angiogenic properties; (5) kinin receptors have been implicated in cancer migration, invasion and metastasis; and (6) selective antagonists for either B1R or B2R have shown anti-proliferative, anti-inflammatory, anti-angiogenic and anti-migratory properties. The multiple cross talks between kinin receptors and renin-angiotensin system (RAS) as well as its implications for targeting KKS or RAS for the treatment of malignancies are also discussed. It is expected that B1R antagonists would interfere less with housekeeping functions and therefore would be attractive compounds to treat selected types of cancer. Reliable clinical studies are needed to establish the translatability of these data to human settings and the usefulness of kinin receptor antagonists.
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.
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 découle