Tumor metabolism regulating chemosensitivity in ovarian cancer
Notice bibliographique
Résumé
Elevated metabolism is a key hallmark of multiple cancers, serving to fulfill high anabolic demands. Ovarian cancer (OVCA) is the fifth leading cause of cancer deaths in women with a high mortality rate (45%). Chemoresistance is a major hurdle for OVCA treatment. Although substantial evidence suggests that metabolic reprogramming contributes to anti-apoptosis and the metastasis of multiple cancers, the link between tumor metabolism and chemoresistance in OVCA remains unknown. While clinical trials targeting metabolic reprogramming alone have been met with limited success, the synergistic effect of inhibiting tumor-specific metabolism with traditional chemotherapy warrants further examination, particularly in OVCA. This review summarizes the role of key glycolytic enzymes and other metabolic synthesis pathways in the progression of cancer and chemoresistance in OVCA. Within this context, mitochondrial dynamics (fission, fusion and cristae structure) are addressed regarding their roles in controlling metabolism and apoptosis, closely associated with chemosensitivity. The roles of multiple key oncogenes (Akt, HIF-1α) and tumor suppressors (p53, PTEN) in metabolic regulation are also described. Next, this review summarizes recent research of metabolism and future direction. Finally, we examine clinical drugs and inhibitors to target glycolytic metabolism, as well as the rationale for such strategies as potential therapeutics to overcome chemoresistant OVCA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».