Elevated protein lactylation promotes immunosuppressive microenvironment and therapeutic resistance in pancreatic ductal adenocarcinoma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metabolic reprogramming shapes the tumor microenvironment (TME) and may lead to immunotherapy resistance in pancreatic ductal adenocarcinoma (PDAC). Elucidating the impact of pancreatic cancer cell metabolism in the TME is essential to therapeutic interventions. "Immune cold" PDAC is characterized by elevated lactate levels resulting from tumor cell metabolism, abundance of protumor macrophages, and reduced cytotoxic T cells in the TME. Analysis of fluorine-18 fluorodeoxyglucose (18F-FDG) uptake in patients showed that increased global protein lactylation in PDAC correlates with worse clinical outcomes in immunotherapy. Inhibition of lactate production in pancreatic tumors via glycolysis or mutant-KRAS inhibition reshaped the TME, thereby increasing their sensitivity to immune checkpoint blockade (ICB) therapy. In pancreatic tumor cells, lactate induces K63 lactylation of endosulfine α (ENSA-K63la), a crucial step that triggers STAT3/CCL2 signaling. Consequently, elevated CCL2 secreted by tumor cells facilitates tumor-associated macrophage (TAM) recruitment to the TME. High levels of lactate also drive transcriptional reprogramming in TAMs via ENSA-STAT3 signaling, promoting an immunosuppressive environment. Targeting ENSA-K63la or CCL2 enhances the efficacy of ICB therapy in murine and humanized pancreatic tumor models. In conclusion, elevated lactylation reshapes the TME and promotes immunotherapy resistance in PDAC. A therapeutic approach targeting ENSA-K63la or CCL2 has shown promise in sensitizing pancreatic cancer immunotherapy.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle