MétaCan
Menu
Retour à la cohorte
Enregistrement W4400005137 · doi:10.1002/adma.202405930

High‐Lactate‐Metabolizing Photosynthetic Bacteria Reprogram Tumor Immune Microenvironment

2024· article· en· W4400005137 sur OpenAlexaff
Yichuan Ma, Yujing Hu, Huifang Liu, Xiaoya Li, Yuanhang Li, Yu Zhao, Qi Zhang, Ziyang Zhang, Qingqing Leng, Li Luo, Lanya Li, Yunlu Dai, Guojun Chen, Jinchao Zhang, Zhenhua Li

Notice bibliographique

RevueAdvanced Materials · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensMcGill University
Organismes subventionnairesHebei UniversityScience Fund for Creative Research GroupsNatural Science Foundation of Hebei ProvinceNational Natural Science Foundation of China
Mots-clésTumor microenvironmentImmunotherapyImmune systemReprogrammingBiologyCancer researchBacteriaTumor cellsCellImmunologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

The elevated levels of lactate in tumor tissue play a pivotal role in fostering an immunosuppressive microenvironment. Therefore, efficiently reducing lactate levels to reprogram tumor immune microenvironment (TIM) is considered a crucial step for boosted immunotherapy. Here, a high-lactate-metabolizing photosynthetic bacteria (LAB-1) is selectively screened for TIM reprogramming, which then improves the efficacy of tumor immunotherapy. The culture medium for LAB-1 screening is initially developed through an orthogonal experiment, simulating the tumor microenvironment (TME) and utilizing lactate as the sole organic carbon source. As demonstrated in a murine 4T1 model, LAB-1 colonizes the TME selectively, resulting in a significant reduction in lactate levels and a subsequent increase in pH values within the tumor tissue. Furthermore, single-cell RNA sequencing analysis reveals that LAB-1 effectively reprograms the TIM, thereby enhancing the effectiveness of antitumor immune therapy. This approach of utilizing lactate-consuming bacteria represents a potent tool for augmenting tumor immunotherapy efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,262
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations30
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetCancer Research and TreatmentsTravaux en français237 207