UPAR AS A NOVEL IMMUNOTHERAPEUTIC TARGET IN RECURRENT GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) is the common malignant brain tumor in adults, accounting for approximately 15% of all CNS tumors, and 48.6% of malignant brain tumors, with a median survival of approximately 15 months, and minimal clinical progress having been made in the past two decades. GBM is characterized by extensive inter- and intra-tumoral heterogeneity as well as an extremely immunosuppressive tumor microenvironment. Following Standard-of-Care (SoC) surgical resection and chemoradiotherapy at primary diagnosis, few therapeutic avenues exist at recurrence, owing in part due to a lack of clinically relevant targets. Data from our multi-institutional target pipeline suggests that the extracellular urokinase plasminogen activator receptor (uPAR) is significantly upregulated at recurrence on putative GBM brain tumor initiating cells (BTICs), which are believed to drive de novo tumor formation, tumor recurrence, and therapeutic resistance. uPAR plays an important role in the plasminogen activation system, and in the context of cancer, has been implicated in numerous pro-tumorigenic processes such as invasion, proliferation, epithelial-to-mesenchymal transition, and therapy resistance. In vitro, knockout of uPAR expression in recurrent GBM cells significantly reduces proliferation and sphere formation capacity, two stem-like traits associated with BTICs. Additionally, uPAR knockout cells display increased sensitivity to standard-of-care chemoradiotherapy, implicating uPAR expression in therapy resistance, as seen in recurrent disease. From these initial studies, we believe uPAR to be a clinically relevant target in recurrent GBM, and further investigation into therapeutic strategies to target uPAR-positive GBMs should be investigated further.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».