Impact of Mechanical and Architectural Signals in the Tumor Microenvironment on Melanoma
Notice bibliographique
Résumé
Compared to sun-exposed melanomas, acral melanomas are genetically diverse and occur in areas with low sun exposure and high mechanical loads. During metastatic growth, melanomas invade from the epidermis to the dermis layers through dense tumor stroma and are exposed to fibrillar collagen architectures and mechanical stresses. However, the role of these signals during acral melanoma pathogenesis is not well understood. In this study, a novel 3D in vitro platform comprising heterogeneous, bundled collagen architectures recapitulates mechanical and architectural signals from the melanoma tumor microenvironment. YUSEEP patient-derived human acral melanoma and B16F10 mouse melanoma single cells and spheroids are embedded in collagen or bundled collagen hydrogels and mechanically compressed to quantitatively profile cellular responses to these cues, including viability, DNA damage and repair, proliferation, invasion, and nuclear and cellular morphologies. Spatial confinement of cells in a microfluidic platform, solid mechanics simulations, and pharmacological inhibition studies lend further mechanistic insights into these cues. Results reveal mechanical compression induces DNA damage and repair, while interactions with bundled collagen promote a malignant, protrusive phenotype. The findings further suggest that actin polymerization and contractility inhibitors may rescue DNA damage and mitigate malignancy upon compression, thereby potentially paving the way for novel therapeutic targets against acral melanomas.
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 | 0,000 | 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) | 0,000 | 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 ».