MétaCan
Menu
← Retour à la cohorte
Enregistrement W7105152441 · doi:10.71781/29970

Study of the impact of a senescent environment on the tumor immune response in humanized mice

2025· dissertation· en· W7105152441 sur OpenAlexfundno aff

Notice bibliographique

RevueOpen MIND · 2025
Typedissertation
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensnon disponible
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésTumor cellsImmune systemCancerAnimal model

Résumé

récupéré en direct d'OpenAlex

Les thérapies contre le cancer peuvent provoquer la sénescence des cellules cancéreuses et de tous les autres types cellulaires dans le microenvironnement tumoral (MET). Les cellules sénescentes sont caractérisées par la sécrétion d’une variété de cytokines, de chimiokines, de facteurs de croissance et de composants de la matrice extracellulaire, toutes ces molécules sécrétées sont regroupées sous le nom de phénotype sécréteur associé à la sénescence (SASP). L’accumulation de ces cellules sénescentes a été associée à une inflammation locale et systémique, qui peut exacerber les effets indésirables et contribuer à la rechute du cancer. Bien que les conséquences néfastes de la sénescence sur le développement et la progression du cancer soient bien documentées, les effets spécifiques de la sénescence sur la réponse immunitaire tumorale dans un contexte humain restent largement inexplorés. L’incertitude est encore plus grande lorsque des modèles de souris syngènique, dont le système immunitaire est pleinement fonctionnel, sont utilisés. Cependant, leurs réponses immunitaires ne reflètent pas toujours avec précision celles des humains. Nous avons récemment développé des modèles de souris humanisées dérivées de cellules souches pluripotentes induites (iPSC) qui permettent le rejet de tumeurs après l’injection de cellules immunitaires humaines autologues. Cette étude met en lumière certaines fonctions d’un environnement vieillissant dans la modulation de la réponse immunitaire tumorale. Nos résultats indiquent que les fibroblastes dermaux humains (HDF) sénescents exercent une double influence sur la réponse immunitaire tumorale. D’une part, ils attirent les cellules immunitaires vers le MET; d’autre part, ils favorisent l’apoptose de ces cellules immunitaires. Cette apoptose est principalement médiée par la régulation positive du ligand Fas (FasL) à la surface des HDF sénescents, qui déclenche l’apoptose des cellules effectrices exprimant Fas, comprenant notamment les cellules Lymphocytes T et les cellules tueuses naturelles (NK). Nous avons également démontré que des facteurs solubles spécifiques du SASP, en particulier les ligands pour CXCR1 et CXCR2, affectent de manière significative le comportement des neutrophiles dans le MET, les activant et les conduisant à la mort cellulaire, connue sous le nom de nétose. Ce processus est caractérisé par la libération de pièges à neutrophiles (NET) extracellulaires. Ceux-ci jouent non seulement un rôle dans la progression tumorale et l’établissement de métastases, mais peuvent également entraver physiquement l’interaction entre les cellules tumorales et les cellules immunitaires cytotoxiques. Affectant de fait les cellules lymphocytes T et les cellules NK, ce qui nuit à l’efficacité du rejet tumoral par le système immunitaire. En conclusion, nos résultats suggèrent qu’un environnement vieillissant nuit à la réponse immunitaire tumorale, diminuant le nombre de cellules lymphocytes T et de cellules NK dans les TME, ce qui permet la progression tumorale et renforce les effets pro-tumorigènes des NET, comme la métastase. Les interactions entre les cellules stromales sénescentes et les cellules immunitaires sont complexes, avec des implications significatives pour la progression du cancer et la réponse au traitement. Nos recherches fournissent des informations critiques qui pourraient éclairer le développement de stratégies thérapeutiques innovantes visant à atténuer les effets indésirables de la sénescence cellulaire dans le traitement du cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,346
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetTelomeres, Telomerase, and Senescence→Travaux en français237 207→