Metabolic adaptations determine whether natural killer cells fail or thrive within the tumor microenvironment
Notice bibliographique
Résumé
Natural Killer (NK) cells are a top contender in the development of adoptive cell therapies for cancer due to their diverse antitumor functions and ability to restrict their activation against nonmalignant cells. Despite their success in hematologic malignancies, NK cell-based therapies have been limited in the context of solid tumors. Tumor cells undergo various metabolic adaptations to sustain the immense energy demands that are needed to support their rapid and uncontrolled proliferation. As a result, the tumor microenvironment (TME) is depleted of nutrients needed to fuel immune cell activity and contains several immunosuppressive metabolites that hinder NK cell antitumor functions. Further, we now know that NK cell metabolic status is a main determining factor of their effector functions. Hence, the ability of NK cells to withstand and adapt to these metabolically hostile conditions is imperative for effective and sustained antitumor activity in the TME. With this in mind, we review the consequences of metabolic hostility in the TME on NK cell metabolism and function. We also discuss tumor-like metabolic programs in NK cell induced by STAT3-mediated expansion that adapt NK cells to thrive in the TME. Finally, we examine how other approaches can be applied to enhance NK cell metabolism in tumors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,045 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».