MétaCan
Menu
Retour à la cohorte
Enregistrement W3086011748 · doi:10.1016/j.semcancer.2020.09.001

Tumor microenvironment conditions that favor vessel co-option in colorectal cancer liver metastases: A theoretical model

2020· review· en· W3086011748 sur OpenAlexaff
Miran Rada, Anthoula Lazaris, Audrey Kapelanski‐Lamoureux, Thomas Z. Mayer, Peter Metrakos

Notice bibliographique

RevueSeminars in Cancer Biology · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésColorectal cancerMetastasisCancer researchTumor microenvironmentCancerMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Vessel co-option is an alternative strategy by which tumour cells vascularize and gain access to nutrients to support tumour growth, survival and metastasis. In vessel co-option, the cancer cells move towards the pre-existing vasculature and hijack them. Vessel co-option is adopted by a wide range of human tumours including colorectal cancer liver metastases (CRCLM) and is responsible for the effectiveness of treatment in CRCLM. Furthermore, vessel co-option is an intrinsic feature and an acquired mechanism of resistance to anti-angiogenic treatment. In this review, we describe the microenvironment, the molecular players, discovered thus far of co-opting CRCLM lesions and propose a theoretical model. We also highlight key unanswered questions that are critical to improving our understanding of CRCLM vessel co-option and for the development of effective approaches for the treatment of co-opting tumours.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,949
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,029
Tête enseignante GPT0,319
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

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

Citations47
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in Cancer BiologyMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207