Mathematical modeling of tumor-associated macrophage interactions with the cancer microenvironment
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
BACKGROUND: Immuno-oncotherapy has emerged as a promising means to target cancer. In particular, therapeutic manipulation of tumor-associated macrophages holds promise due to their various and sometimes opposing roles in tumor progression. It is established that M1-type macrophages suppress tumor progression while M2-types support it. Recently, Tie2-expressing macrophages (TEM) have been identified as a distinct sub-population influencing tumor angiogenesis and vascular remodeling as well as monocyte differentiation. METHODS: This study develops a modeling framework to evaluate macrophage interactions with the tumor microenvironment, enabling assessment of how these interactions may affect tumor progression. M1, M2, and Tie2 expressing variants are integrated into a model of tumor growth representing a metastatic lesion in a highly vascularized organ, such as the liver. Behaviors simulated include M1 release of nitric oxide (NO), M2 release of growth-promoting factors, and TEM facilitation of angiogenesis via Angiopoietin-2 and promotion of monocyte differentiation into M2 via IL-10. RESULTS: The results show that M2 presence leads to larger tumor growth regardless of TEM effects, implying that immunotherapeutic strategies that lead to TEM ablation may fail to restrain growth when the M2 represents a sizeable population. As TEM pro-tumor effects are less pronounced and on a longer time scale than M1-driven tumor inhibition, a more nuanced approach to influence monocyte differentiation taking into account the tumor state (e.g., under chemotherapy) may be desirable. CONCLUSIONS: The results highlight the dynamic interaction of macrophages within a growing tumor, and, further, establish the initial feasibility of a mathematical framework that could longer term help to optimize cancer immunotherapy.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,006 | 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