Unraveling the relationship between cancer and life history traits in vertebrates
Notice bibliographique
Résumé
ABSTRACT Identifying species with unusually low cancer prevalence can provide new insights into cancer resistance. Most studies have focused on mammals, but the genetic, physiological, and ecological diversity among vertebrates can influence cancer susceptibility. We used necropsies from over a thousand species of amphibians, birds, crocodilians, mammals, squamates, and turtles to investigate relationships between cancer prevalence, intrinsic cancer risk, body mass, and lifespan. Previous studies often relied on species averages, leading to inaccurate interpretations. Our innovative statistical approach uses raw cancer data and resampling to improve accuracy. We found remarkably low cancer prevalence in turtles, high prevalence in squamates and mammals, and lower-than-expected prevalence based on lifespan and body mass in multiple groups. Our results show lifespan influences neoplasia and malignancy transformation rates in mammals, while body mass affects neoplasia prevalence in amphibians and squamates. These data reveal a complex relationship between life history traits and cancer risk, identifying vertebrates with potential novel cancer resistance mechanisms. STATEMENT OF SIGNIFICANCE Biodiversity is an untapped natural resource for understanding cancer. Our study reveals a wide divergence in cancer prevalence among vertebrate groups, with notably low rates in turtles and high rates in squamates and mammals. These findings can lead to new breakthroughs in understanding the biology of cancer.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».