MétaCan
Menu
Retour à la cohorte
Enregistrement W2973147395 · doi:10.1186/s13395-019-0209-y

Immunohistochemical phenotyping of T cells, granulocytes, and phagocytes in the muscle of cancer patients: association with radiologically defined muscle mass and gene expression

2019· article· en· W2973147395 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSkeletal Muscle · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesConsejo Nacional de Ciencia y TecnologíaUniversity of AlbertaCanadian Institutes of Health ResearchAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésSkeletal muscleBiologyPathologyImmune systemCancerMedicineInternal medicineImmunologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Inflammation is a recognized contributor to muscle wasting. Research in injury and myopathy suggests that interactions between the skeletal muscle and immune cells confer a pro-inflammatory environment that influences muscle loss through several mechanisms; however, this has not been explored in the cancer setting. This study investigated the local immune environment of the muscle by identifying the phenotype of immune cell populations in the muscle and their relationship to muscle mass in cancer patients. Methods Intraoperative muscle biopsies were collected from cancer patients ( n = 30, 91% gastrointestinal malignancies). Muscle mass was assessed histologically (muscle fiber cross-sectional area, CSA; μm 2 ) and radiologically (lumbar skeletal muscle index, SMI; cm 2 /m 2 by computed tomography, CT). T cells (CD4 and CD8) and granulocytes/phagocytes (CD11b, CD14, and CD15) were assessed by immunohistochemistry. Microarray analysis was conducted in the muscle of a second cancer patient cohort. Results T cells (CD3+), granulocytes/phagocytes (CD11b+), and CD3−CD4+ cells were identified. Muscle fiber CSA (μm 2 ) was positively correlated (Spearman’s r = > 0.45; p = < 0.05) with the total number of T cells, CD4, and CD8 T cells and granulocytes/phagocytes. In addition, patients with the smallest SMI exhibited fewer CD8 T cells within their muscle. Consistent with this, further exploration with gene correlation analyses suggests that the presence of CD8 T cells is negatively associated (Pearson’s r = ≥ 0.5; p = <0.0001) with key genes within muscle catabolic pathways for signaling (ACVR2B), ubiquitin proteasome (FOXO4, TRIM63, FBXO32, MUL1, UBC, UBB, UBE2L3), and apoptosis/autophagy (CASP8, BECN1, ATG13, SIVA1). Conclusion The skeletal muscle immune environment of cancer patients is comprised of immune cell populations from the adaptive and innate immunity. Correlations of T cells, granulocyte/phagocytes, and CD3−CD4+ cells with muscle mass measurements indicate a positive relationship between immune cell numbers and muscle mass status in cancer patients. Further exploration with gene correlation analyses suggests that the presence of CD8 T cells is negatively correlated with components of muscle catabolism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil0,373

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,204
Écart entre enseignants0,201 · 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