The Role of Extracellular Proteases and Extracellular Matrix Remodeling in the Pre-Metastatic Niche
Notice bibliographique
Résumé
The premetastatic niche (PMN) represents a specialized microenvironment established in distant organs before the arrival of metastatic cells. This concept has fundamentally altered our understanding of cancer progression, shifting it from a random event-driven process to an orchestrated one. This review examines the critical role of extracellular proteases in PMN formation, focusing on matrix metalloproteinases (MMPs), serine proteases, and cysteine cathepsins that collectively orchestrate extracellular matrix remodeling, immune modulation, and vascular permeability changes essential for metastatic colonization. Key findings demonstrate that MMP9 and MMP2 facilitate basement membrane degradation and the recruitment of bone marrow-derived cells. At the same time, tissue inhibitor of metalloproteinase-1 (TIMP-1) promotes organ-specific hepatic PMN recruitment through neutrophil recruitment mechanisms. The plasminogen-plasmin system emerges as a master regulator through its broad-spectrum proteolytic activity and ability to activate downstream proteases, with S100A10-mediated plasmin generation providing mechanistic pathways for remote PMN conditioning. Neutrophil elastase and cathepsin G contribute to the degradation of anti-angiogenic proteins, thereby creating pro-metastatic microenvironments. These protease-mediated mechanisms represent the earliest interventional window in metastatic progression, offering therapeutic potential to prevent niche formation rather than treat established metastases. However, significant methodological challenges remain, including the need for organ-specific biomarkers, improved in vivo methods for measuring protease activity, and a better understanding of temporal PMN dynamics across different target organs.
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 | 0,001 | 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 ».