MétaCan
Menu
Retour à la cohorte
Enregistrement W4404112507 · doi:10.26685/urncst.706

The Impact of Extracellular Vesicles on Inflammation in the Tumor Microenvironment of Sarcomas: A Literature Review

2024· review· en· W4404112507 sur OpenAlexaff
Bob-Shen Yan, Ethan J. Schmidt

Notice bibliographique

RevueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) Journal · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésExtracellular vesiclesInflammationTumor microenvironmentVesicleCancer researchExtracellularMicrovesiclesChemistryBiologyCell biologyTumor cellsImmunologyBiochemistrymicroRNAMembraneGene

Résumé

récupéré en direct d'OpenAlex

Introduction: Sarcomas are a diverse group of tumours encompassing over 100 different subtypes occurring in bone, muscle, and cartilage. The sarcoma tumour microenvironment (TME) contains various immune modulators and is influenced by the specific sarcoma subtype. The sarcoma TME is modulated by secretion of cytokines, chemokines, and extracellular vesicles (EVs). EVs play a role in inflammatory and immune responses in the TME. EVs effects are attributed to their cargo, consisting of mRNAs, proteins, miRNAs, chemokines, and cytokines. Sarcoma cells release tumour-derived EVs, facilitating communication, tumour progression, and inflammation. Methods: We conducted a literature search for keywords and concepts associated with EVs and inflammatory responses in sarcomas on the PubMed database. Keyword combinations included relevance to EVs, sarcomas and inflammation. Only studies from peer reviewed journals, written in English, and published between 2013-2024 were considered. Sarcoma subtypes viewed included: rhabdomyosarcoma, Ewing sarcoma, chondrosarcoma, liposarcoma, and osteosarcoma. Results: Ewing sarcoma EVs carry miRNA and mRNAs including EWS/FLI-1 mRNA, and surface proteins causing upregulation of inflammatory pathways, and contributing to the release of pro-inflammatory cytokines. Rhabdomyosarcoma EVs carry miRNAs and PAX3/7-FOXO1 mRNA stimulating inflammatory pathways to release cytokines and chemokines. Chondrosarcoma’s hypoxic TME causes increased EV secretion, favouring M2 polarisation, and the production of immunosuppressive markers. Liposarcoma EVs enriched with miRNAs and MDM2 induced an inflammatory response in macrophages. Osteosarcoma EVs contained TGF-β and miRNA cargo which influenced macrophage polarisation. Discussion: Sarcoma-derived EVs contain a wide range of mRNAs and miRNAs, with Ewing sarcoma and Rhabdomyosarcoma also containing the fusion oncogenes EWS/FLI-1 and PAX3/7-FOXO1, respectively. Surface proteins on Ewing sarcoma and osteosarcoma EVs were better understood compared to other sarcomas. Various sarcoma-derived EV cargo demonstrated potential to influence inflammatory pathways within macrophages. Macrophage polarisation is fundamental to immune function, determining pro-inflammatory and anti-inflammatory responses. Conclusion: By understanding the role of EVs in the inflammatory process, a deeper insight in tumour progression and tumour cell-cell communication can be achieved. The uniqueness of EV cargo to certain sarcoma subtypes could potentially indicate a future as biomarkers for early cancer detection. Further research into inflammatory effects by EVs can provide potential as novel therapeutics.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0130,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,428
Écart entre enseignants0,388 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) JournalMême sujetExtracellular vesicles in diseaseTravaux en français237 207