Targeting Aberrant TGF-β Signaling in Pre-Clinical Models of Cancer
Notice bibliographique
Résumé
The TGF-beta signaling pathway is central to the control of diverse biological processes including cellular proliferation, cell survival, apoptosis, extracellular matrix deposition/remodeling, migration, invasion and immune regulation/inflammation. Given the pleiotropic effects of this cytokine, it comes as no surprise that numerous pathological conditions are associated with alterations in the TGF-beta pathway, including chronic fibrosis, airway remodeling (asthma), cardiovascular disease and cancer. Thus, there are increasing efforts to develop reagents and therapeutic strategies to impair TGF-beta signaling. Here we review several classes of inhibitors, including knock-down strategies aimed at signaling components of the TGF-beta pathway, TGF-beta neutralizing antibodies, TGF-beta receptor extracellular domains that function as ligand traps and small molecule kinase inhibitors. Strategies with potential for application as anti-cancer therapeutics that have been evaluated in pre-clinical animal models will be discussed. TGF-beta action is complex, shifting from a tumor suppressor to a promoter of tumor cell invasion and metastasis in several types of cancer. This raises important issues regarding not only the status of the TGF-beta pathway in the individual patient but also the precise stage during disease progression that such inhibitors should be employed. Potential consequences of targeting the TGF-beta pathway will also be considered.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».