CD73 : cible thérapeutique dans le cancer de l'ovaire et le cancer du sein HER2+
Bibliographic record
Abstract
Plusieurs mécanismes sont mis en place dans le microenvironnement tumoral pour restreindre l’activité anti-tumorale médiée par les composantes du système immunitaire. L’identification de nouvelles cibles moléculaires impliquées dans le phénomène de redondance des mécanismes d’immunosuppression est nécessaire dans le développement de stratégies d’immunothérapies permettant de rétablir un système immunitaire anti-tumorale efficace. L’un des facteurs responsables du microenvironnement immunosuppressif tumoral est l’adénosine extracellulaire générée par l’enzyme membranaire CD73. Dans le but d’évaluer le rôle de l’axe CD73 / adénosine dans un contexte d’immunothérapie, des corrélations ont été effectuées sur des cohortes de patientes. Ces résultats ont été confirmés par le biais de modèles de cancer de souris syngéniques et knockouts ainsi que par des modèles in vitro de cancers de souris et humains déficients ou compétents en CD73. Dans le cancer séreux de haut grade, cette thèse démontre que CD73 agit en tant que biomarqueur pronostique en association avec les lymphocytes T CD8+ et favorise la prolifération tumorale in vitro et in vivo. Les résultats démontrent également que l’expression de CD73 sur les cellules fibroblastiques favorise l’échappement immunitaire et la croissance tumorale. Dans le cancer du sein HER2+, cette thèse présente CD73 comme mécanisme de résistance où l’expression de cette enzyme par les cellules tumorales ou les cellules de l’hôte diminuent la réponse immunitaire anti-tumorale médiée par un anti-ErbB2. Les résultats démontrent également que l’inhibition de cette enzyme augmente l’efficacité thérapeutique d’un anti-ErbB2 dans un modèle greffé, un modèle spontané et un modèle de métastases pulmonaires. Les travaux présentés dans cette thèse démontrent l’importance de l’axe adénosinergique dans deux types de cancers où le microenvironnement tumoral immunosuppressif est un frein à une thérapie optimale. Cette thèse explore les propriétés de CD73 en tant que nouvelle cible en immunothérapie du cancer.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".