Interleukin-33 (IL-33) promotes DNA damage-resistance in lung cancer
Notice bibliographique
Résumé
Resistance to DNA damage is one of the primary mechanisms by which tumor cells evade the effects of standard chemotherapeutic agents and radiotherapy. Dynamic and complex interactions between the tumor microenvironment (TME) and tumor cells critically influence the DNA damage response. Interleukin-33 (IL-33) is a multifunctional cytokine secreted at high levels in response to cellular damage and stress. Recently, increasing evidence has suggested that IL-33 plays a key role in promoting the therapeutic resistance of tumors. However, the actual source of IL-33 during cancer therapy and how IL-33 contributes to a resistant TME remain incompletely understood. In this study, we found that both cancer-associated fibroblasts (CAFs) and tumor cells treated with DNA damage-inducing agents expressed and secreted high levels of IL-33, subsequently leading to enhanced DNA damage repair efficacy. Mechanistically, nuclear IL-33 primarily functions as a transcriptional co-activator of homologous recombination repair (HRR) genes, whereas the active form of IL-33 can drive the non-homologous end joining (NHEJ) pathway via the canonical IL-33/ST2 axis. Overall, we demonstrated that IL-33 plays a key role in mediating a DNA damage-resistant TME, which could represent a potential therapeutic vulnerability in chemoresistant cancer cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».