MétaCan
Menu
Retour à la cohorte
Enregistrement W4306638603 · doi:10.1101/2022.10.16.22281153

High levels of serum cholesterol positively correlate with the risk of the development of vessel co-opting tumours in colorectal cancer liver metastases

2022· preprint· en· W4306638603 sur OpenAlexaff
Miran Rada, Lucyna Krzywoń, Audrey Kapelanski‐Lamoureux, Stephanie Petrillo, Andrew R. Reynolds, Anthoula Lazaris, Nabil G. Seidah, Peter Metrakos

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensMontreal Clinical Research InstituteMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisBlood vesselColorectal cancerCholesterolCancer researchCancerIn vivoInternal medicineMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Colorectal cancer liver metastatic (CRCLM) tumours present as two main histopathological growth patterns (HGPs) including desmoplastic HGP (DHGP) and replacement HGP (RHGP). The DHGP tumours obtain their blood supply by sprouting angiogenesis, whereas the RHGP tumours utilize an alternative vascularisation known as vessel co-option. In vessel co-option, the cancer cells hijack the mature sinusoidal vessels to obtain blood supply. Vessel co-option has been reported as an acquired mechanism of resistance to anti-angiogenic treatment in CRCLM. Here, we show the connection between the concentration of serum cholesterol and the development of vessel co-option in CRCLM. Our clinical data suggested that the elevation of serum cholesterol levels correlates with the risk of developing vessel co-opting tumours. Moreover, inhibition of the key modulators of cholesterol metabolism including HMGCR or PCSK9 attenuated the development of CRCLM tumours, as well as vessel co-option in vivo. Altogether, our data uncovered the importance of cholesterol in the development of vessel co-option tumours and demonstrated PCSK9 and HMGCR inhibitors as promising strategies to mitigate the development of vessel co-option tumours in CRCLM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCancer, Lipids, and MetabolismTravaux en français237 207