Clinical research framework proposal for ketogenic metabolic therapy in glioblastoma
Notice bibliographique
Résumé
Glioblastoma (GBM) is the most aggressive primary brain tumor in adults, with a universally lethal prognosis despite maximal standard therapies. Here, we present a consensus treatment protocol based on the metabolic requirements of GBM cells for the two major fermentable fuels: glucose and glutamine. Glucose is a source of carbon and ATP synthesis for tumor growth through glycolysis, while glutamine provides nitrogen, carbon, and ATP synthesis through glutaminolysis. As no tumor can grow without anabolic substrates or energy, the simultaneous targeting of glycolysis and glutaminolysis is expected to reduce the proliferation of most if not all GBM cells. Ketogenic metabolic therapy (KMT) leverages diet-drug combinations that inhibit glycolysis, glutaminolysis, and growth signaling while shifting energy metabolism to therapeutic ketosis. The glucose-ketone index (GKI) is a standardized biomarker for assessing biological compliance, ideally via real-time monitoring. KMT aims to increase substrate competition and normalize the tumor microenvironment through GKI-adjusted ketogenic diets, calorie restriction, and fasting, while also targeting glycolytic and glutaminolytic flux using specific metabolic inhibitors. Non-fermentable fuels, such as ketone bodies, fatty acids, or lactate, are comparatively less efficient in supporting the long-term bioenergetic and biosynthetic demands of cancer cell proliferation. The proposed strategy may be implemented as a synergistic metabolic priming baseline in GBM as well as other tumors driven by glycolysis and glutaminolysis, regardless of their residual mitochondrial function. Suggested best practices are provided to guide future KMT research in metabolic oncology, offering a shared, evidence-driven framework for observational and interventional studies.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».