Coming of Age for Autotaxin and Lysophosphatidate Signaling: Clinical Applications for Preventing, Detecting and Targeting Tumor-Promoting Inflammation
Notice bibliographique
Résumé
A quarter-century after the discovery of autotaxin in cell culture, the autotaxin-lysophosphatidate (LPA)-lipid phosphate phosphatase axis is now a promising clinical target for treating chronic inflammatory conditions, mitigating fibrosis progression, and improving the efficacy of existing cancer chemotherapies and radiotherapy. Nearly half of the literature on this axis has been published during the last five years. In cancer biology, LPA signaling is increasingly being recognized as a central mediator of the progression of chronic inflammation in the establishment of a tumor microenvironment which promotes cancer growth, immune evasion, metastasis, and treatment resistance. In this review, we will summarize recent advances made in understanding LPA signaling with respect to chronic inflammation and cancer. We will also provide perspectives on the applications of inhibitors of LPA signaling in preventing cancer initiation, as adjuncts extending the efficacy of current cancer treatments by blocking inflammation caused by either the cancer or the cancer therapy itself, and by disruption of the tumor microenvironment. Overall, LPA, a simple molecule that mediates a plethora of biological effects, can be targeted at its levels of production by autotaxin, LPA receptors or through LPA degradation by lipid phosphate phosphatases. Drugs for these applications will soon be entering clinical practice.
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 | 0,002 | 0,001 |
| 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 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 ».