Integrin α11β1 in tumor fibrosis: more than just another cancer-associated fibroblast biomarker?
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.
Notice bibliographique
Résumé
There is currently an increased interest in understanding the role of the tumor microenvironment (TME) in tumor growth and progression. In this context the role of integrins in cancer-associated fibroblasts (CAFs) will need to be carefully re-evaluated. Fibroblast-derived cells are not only in the focus in tumors, but also in tissue fibrosis as well as in inflammatory conditions. The recent transcriptional profiling of what has been called "the pan-fibroblast cell lineage" in mouse and human tissues has identified novel transcriptional biomarker mRNAs encoding the secreted ECM proteins dermatopontin and collagen XV as well as the phosphatidylinositol-anchored membrane protein Pi16. Some of the genes identified in these fibroblasts scRNA-seq datasets will be useful for rigorous comparative characterizations of fibroblast-derived cell subpopulations. At the same time, it will be a challenge in the coming years to validate these transcriptional mRNA datasets at the protein-(expression) and at tissue-(distribution) levels and to find useful protein biomarker reagents that will facilitate fibroblast profiling at the cell level. In the current review we will focus on the role of the collagen-binding integrin α11β1 in CAFs, summarizing our own work as well as published datasets with information on α11 mRNA expression in selected tumors. Our experimental data suggest that α11β1 is more than just another biomarker and that it as a functional collagen receptor in the TME is playing a central role in regulating collagen assembly and matrix remodeling, which in turn impact tumor growth and metastasis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle