Parallel Accumulation of Tumor Hyaluronan, Collagen, and Other Drivers of Tumor Progression
Notice bibliographique
Résumé
Abstract Purpose: The tumor microenvironment (TME) evolves to support tumor progression. One marker of more aggressive malignancy is hyaluronan (HA) accumulation. Here, we characterize biological and physical changes associated with HA-accumulating (HA-high) tumors. Experimental Design: We used immunohistochemistry, in vivo imaging of tumor pH, and microdialysis to characterize the TME of HA-high tumors, including tumor vascular structure, hypoxia, tumor perfusion by doxorubicin, pH, content of collagen. and smooth muscle actin (α-SMA). A novel method was developed to measure real-time tumor-associated soluble cytokines and growth factors. We also evaluated biopsies of murine and pancreatic cancer patients to investigate HA and collagen content, important contributors to drug resistance. Results: In immunodeficient and immunocompetent mice, increasing tumor HA content is accompanied by increasing collagen content, vascular collapse, hypoxia, and increased metastatic potential, as reflected by increased α-SMA. In vivo treatment of HA-high tumors with PEGylated recombinant human hyaluronidase (PEGPH20) dramatically reversed these changes and depleted stores of VEGF-A165, suggesting that PEGPH20 may also diminish the angiogenic potential of the TME. Finally, we observed in xenografts and in pancreatic cancer patients a coordinated increase in HA and collagen tumor content. Conclusions: The accumulation of HA in tumors is associated with high tIP, vascular collapse, hypoxia, and drug resistance. These findings may partially explain why more aggressive malignancy is observed in the HA-high phenotype. We have shown that degradation of HA by PEGPH20 partially reverses this phenotype and leads to depletion of tumor-associated VEGF-A165. These results encourage further clinical investigation of PEGPH20. Clin Cancer Res; 24(19); 4798–807. ©2018 AACR.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».