MétaCan
Menu
Retour à la cohorte
Enregistrement W2891401626 · doi:10.1152/ajpregu.00209.2018

Bridging angiogenesis and immune evasion in the hypoxic tumor microenvironment

2018· review· en· W2891401626 sur OpenAlexaff
Luana Schito

Notice bibliographique

RevueAmerican Journal of Physiology-Regulatory, Integrative and Comparative Physiology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisTumor microenvironmentHypoxia (environmental)Cancer researchMetastasisImmune systemMechanism (biology)Tumor hypoxiaBiologyCancerImmunologyMedicineInternal medicineChemistryRadiation therapy

Résumé

récupéré en direct d'OpenAlex

) is a ubiquitous microenvironmental factor promoting cancer progression, metastasis, and mortality, owing to the ability of cancer cells to co-opt physiological angiogenic responses. Notwithstanding, the pathophysiological induction of angiogenesis results in an abnormal tumor vasculature, further aggravating hypoxia in a feedforward loop that limits the efficacy of molecular targeted therapies. Recent studies suggest that, besides their canonical roles, angiogenic factors promote a panoply of immunosuppressive effects in the tumor microenvironment. Therefore, intratumoral hypoxia emerges as a hitherto unrecognized mechanism evolutionarily repurposing angiogenic molecules as (patho)physiological immunomodulators. On the other hand, antiangiogenic therapies could be aimed at impeding both tumor growth and immunotolerance toward cancer cells, a beneficial effect that can be countered if hypoxia signaling pathways are left unchecked, leading to therapeutic failure. This review summarizes evidence supporting the hypothesis that hypoxia acts as a common pathophysiological mechanism of resistance to immunotherapeutic and antiangiogenic agents while proposing potential strategies to curtail resistance and mortality in patients bearing solid malignancies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,294
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physiology-Regulatory, Integrative and Comparative PhysiologyMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207