Targeting tumour-initiating cells to improve the cure rates for triple-negative breast cancer
Notice bibliographique
Résumé
Tumour recurrence is one of the biggest challenges in breast cancer management because it affects 25-30% of women with breast cancer and the tumours are often incurable. Women with triple-negative breast cancer (TNBC--lacking expression of the oestrogen receptor, progesterone receptor and the receptor HER2/ERBB2) have the highest rates of early recurrence relative to other breast cancer subtypes. Early recurrence might be due to tumour-initiating cells (TICs), which are resistant to conventional therapies, can remain dormant and can subsequently give rise to secondary tumours. In breast cancer, TICs are identified by the cell-surface markers CD44+/CD24-/EpCAM+ and/or possess ALDH1 enzyme activity. This subpopulation has the ability to self-renew, grow as mammospheres and initiate tumour formation. Fuelling the problem of relapse is the fact that chemotherapy and radiation can induce or select for TICs; this was reported in preclinical models and more recently in women being treated for breast cancer. Thus, new therapeutic agents for TNBC are presently being sought to overcome this problem. Here we review the roles of receptor tyrosine kinases, signalling intermediates and transcription factors in sustaining the TIC subpopulation. Particular emphasis is placed on targeting these molecules in order to eliminate and/or prevent the induction of TICs and ultimately reduce the frequency of TNBC recurrence.
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 | 0,001 | 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) | 0,004 | 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 ».