Targeting autophagy in prostate cancer: preclinical and clinical evidence for therapeutic response
Notice bibliographique
Résumé
Prostate cancer is a leading cause of death worldwide and new estimates revealed prostate cancer as the leading cause of death in men in 2021. Therefore, new strategies are pertinent in the treatment of this malignant disease. Macroautophagy/autophagy is a "self-degradation" mechanism capable of facilitating the turnover of long-lived and toxic macromolecules and organelles. Recently, attention has been drawn towards the role of autophagy in cancer and how its modulation provides effective cancer therapy. In the present review, we provide a mechanistic discussion of autophagy in prostate cancer. Autophagy can promote/inhibit proliferation and survival of prostate cancer cells. Besides, metastasis of prostate cancer cells is affected (via induction and inhibition) by autophagy. Autophagy can affect the response of prostate cancer cells to therapy such as chemotherapy and radiotherapy, given the close association between autophagy and apoptosis. Increasing evidence has demonstrated that upstream mediators such as AMPK, non-coding RNAs, KLF5, MTOR and others regulate autophagy in prostate cancer. Anti-tumor compounds, for instance phytochemicals, dually inhibit or induce autophagy in prostate cancer therapy. For improving prostate cancer therapy, nanotherapeutics such as chitosan nanoparticles have been developed. With respect to the context-dependent role of autophagy in prostate cancer, genetic tools such as siRNA and CRISPR-Cas9 can be utilized for targeting autophagic genes. Finally, these findings can be translated into preclinical and clinical studies to improve survival and prognosis of prostate cancer patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».