Acquisition of tumor cell phenotypic diversity along the EMT spectrum under hypoxic pressure: Consequences on susceptibility to cell-mediated cytotoxicity
Notice bibliographique
Résumé
Tumor escape to immunosurveillance and resistance to immune attacks present a major hurdle in cancer therapy, especially in the current era of new cancer immunotherapies. We report here that hypoxia, a hallmark of most solid tumors, orchestrates carcinoma cell heterogeneity through the induction of phenotypic diversity and the acquisition of distinct epithelial-mesenchymal transition (EMT) states. Using lung adenocarcinoma cells derived from a non-metastatic patient, we demonstrated that hypoxic stress induced phenotypic diversity along the EMT spectrum, with induction of EMT transcription factors (EMT-TFs) SNAI1, SNAI2, TWIST1, and ZEB2 in a hypoxia-inducible factor-1α (HIF1A)-dependent or -independent manner. Analysis of hypoxia-exposed tumor subclones, with pronounced epithelial or mesenchymal phenotypes, revealed that mesenchymal subclones exhibited an increased propensity to resist cytotoxic T lymphocytes (CTL), and natural killer (NK) cell-mediated lysis by a mechanism involving defective immune synapse signaling. Additionally, targeting EMT-TFs, or inhibition of TGF-β signaling, attenuated mesenchymal subclone susceptibility to immune attack. Together, these findings uncover hypoxia-induced EMT and heterogeneity as a novel driving escape mechanism to lymphocyte-mediated cytotoxicity, with the potential to provide new therapeutic opportunities for cancer patients.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».