Cracking the code of cancer immunotherapy resistance: emerging roles of pyroptosis and necroptosis
Notice bibliographique
Résumé
Therapeutic resistance and recurrent metastasis continue to pose major obstacles in the treatment of malignant tumors worldwide. Immunogenic cell death (ICD), characterized by its ability to both eliminate cancer cells and stimulate antitumor immune responses, has emerged as a promising strategy in the field of cancer immunotherapy. As key subtypes of ICD, pyroptosis and necroptosis contribute significantly to remodeling the tumor microenvironment (TME) and modulating immune responses through their distinct death-immunity coupling mechanisms. Characterized by plasma membrane pore formation and subsequent release of cytoplasmic contents, pyroptosis and necroptosis reprogram the immune microenvironment, thereby laying the groundwork for enhanced antitumor immune responses. Paradoxically, the chronic activation of pyroptosis and necroptosis pathways may contribute to cancer progression. Sustained inflammation within the TME promotes the release of pro-angiogenic and immunosuppressive factors, driving myeloid-derived suppressor cells (MDSCs) recruitment, extracellular matrix remodeling, and metastatic niche formation, thereby facilitating tumorigenesis and metastasis. The context-dependent dual roles of pyroptosis and necroptosis—shaped by tumor histotype, chronic inflammation, and stromal context—highlight the need for a nuanced understanding of their tumor-specific functions across cancer types. This review outlines the underlying mechanisms of pyroptosis and necroptosis, and summarizes recent advances, aiming to inform and inspire novel strategies in overcoming cancer immunotherapy resistance.
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 | 0,002 | 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 | 0,001 |
| 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 ».