MétaCan
Menu
Retour à la cohorte
Enregistrement W4406062129 · doi:10.1016/j.canlet.2025.217441

Metabolic reprogramming, malignant transformation and metastasis: Lessons from chronic lymphocytic leukaemia and prostate cancer

2025· review· en· W4406062129 sur OpenAlexaff
Madison T. Hindes, Anthony M. McElligott, Giles Best, Mark P. Ward, Stavros Selemidis, Mark A. Miles, Bukuru D. Nturubika, Philip A. Gregory, Paul Anderson, Jessica M. Logan, Lisa M. Butler, David Waugh, John O’Leary, Shane M. Hickey, Lauren A. Thurgood, Doug A. Brooks

Notice bibliographique

RevueCancer Letters · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensTrinity College
Organismes subventionnairesAustralian Research CouncilProstate Cancer Foundation of AustraliaProstate Cancer Foundation
Mots-clésMetastasisProstateProstate cancerCancerMedicineCancer researchMalignant transformationOncologyReprogrammingChronic lymphocytic leukemiaInternal medicinePathologyBiologyLeukemiaCellGenetics

Résumé

récupéré en direct d'OpenAlex

Metabolic reprogramming is a hallmark of cancer, crucial for malignant transformation and metastasis. Chronic lymphocytic leukaemia (CLL) and prostate cancer exhibit similar metabolic adaptations, particularly in glucose and lipid metabolism. Understanding this metabolic plasticity is crucial for identifying mechanisms contributing to metastasis. This review considers glucose and lipid metabolism in CLL and prostate cancer, exploring their roles in healthy and malignant states and during disease progression. In CLL, lipid metabolism supports cell survival and migration, with aggressive disease characterised by increased fatty acid oxidation and altered sphingolipids. Richter's transformation and aggressive lymphoma, however, exhibit a metabolic shift towards increased glycolysis. Similarly, prostate cell metabolism is unique, relying on citrate production in the healthy state and undergoing metabolic reprogramming during malignant transformation. Early-stage prostate cancer cells increase lipid synthesis and uptake, and decrease glycolysis, whereas metastatic cells re-adopt glucose metabolism, likely driven by interactions with the tumour microenvironment. Genetic drivers including TP53 and ATM mutations connect metabolic alterations to disease severity in these two malignancies. The bone microenvironment supports the metabolic demands of these malignancies, serving as an initiation niche for CLL and a homing site for prostate cancer metastases. By comparing these malignancies, this review underscores the importance of metabolic plasticity in cancer progression and highlights how CLL and prostate cancer may be models of circulating and solid tumours more broadly. The metabolic phenotypes throughout cancer cell transformation and metastasis, and the microenvironment in which these processes occur, present opportunities for interventions that could disrupt metastatic processes and improve patient outcomes.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,325
Écart entre enseignants0,304 · 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

Citations17
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer LettersMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207