MétaCan
Menu
Retour à la cohorte
Enregistrement W4220761775 · doi:10.3389/fonc.2022.856974

Breast Cancer Stem-Like Cells in Drug Resistance: A Review of Mechanisms and Novel Therapeutic Strategies to Overcome Drug Resistance

2022· review· en· W4220761775 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.

Notice bibliographique

RevueFrontiers in Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Cells and Metastasis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBreast cancerCancer researchCancer stem cellMedicineCancerDrug resistanceTumor microenvironmentMetastasisStem cellStromal cellTriple-negative breast cancerTargeted therapyEstrogen receptorOncologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Breast cancer is the most frequent type of malignancy in women worldwide, and drug resistance to the available systemic therapies remains a major challenge. At the molecular level, breast cancer is heterogeneous, where the cancer-initiating stem-like cells (bCSCs) comprise a small yet distinct population of cells within the tumor microenvironment (TME) that can differentiate into cells of multiple lineages, displaying varying degrees of cellular differentiation, enhanced metastatic potential, invasiveness, and resistance to radio- and chemotherapy. Based on the expression of estrogen and progesterone hormone receptors, expression of human epidermal growth factor receptor 2 (HER2), and/or BRCA mutations, the breast cancer molecular subtypes are identified as TNBC, HER2 enriched, luminal A, and luminal B. Management of breast cancer primarily involves resection of the tumor, followed by radiotherapy, and systemic therapies including endocrine therapies for hormone-responsive breast cancers; HER2-targeted therapy for HER2-enriched breast cancers; chemotherapy and poly (ADP-ribose) polymerase inhibitors for TNBC, and the recent development of immunotherapy. However, the complex crosstalk between the malignant cells and stromal cells in the breast TME, rewiring of the many different signaling networks, and bCSC-mediated processes, all contribute to overall drug resistance in breast cancer. However, strategically targeting bCSCs to reverse chemoresistance and increase drug sensitivity is an underexplored stream in breast cancer research. The recent identification of dysregulated miRNAs/ncRNAs/mRNAs signatures in bCSCs and their crosstalk with many cellular signaling pathways has uncovered promising molecular leads to be used as potential therapeutic targets in drug-resistant situations. Moreover, therapies that can induce alternate forms of regulated cell death including ferroptosis, pyroptosis, and immunotherapy; drugs targeting bCSC metabolism; and nanoparticle therapy are the upcoming approaches to target the bCSCs overcome drug resistance. Thus, individualizing treatment strategies will eliminate the minimal residual disease, resulting in better pathological and complete response in drug-resistant scenarios. This review summarizes basic understanding of breast cancer subtypes, concept of bCSCs, molecular basis of drug resistance, dysregulated miRNAs/ncRNAs patterns in bCSCs, and future perspective of developing anticancer therapeutics to address breast cancer drug resistance.

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)0,001
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 enseignants0,834
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,343
Écart entre enseignants0,309 · 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