Nouvelles approches thérapeutiques pour prévenir les rechutes du neuroblastome : étude préclinique et translationnelle
Bibliographic record
Abstract
Le neuroblastome (NB) est la tumeur extra-crânienne la plus fréquente du jeune enfant. Malgré une thérapie multimodale très agressive, 40% des patients atteints de NB à haut risque rechutent. Le traitement de ces patients consiste à éliminer la tumeur par chirurgie, radiothérapie et chimiothérapie, à reconstituer la moelle osseuse par une greffe de cellules souches autologues et enfin à éliminer la maladie résiduelle (MRD) par une immunothérapie visant l’antigène GD2 exprimé par les neuroblastes. Notre étude préclinique a examiné l’efficacité de deux stratégies de traitements qui visent à potentialiser les thérapies actuelles et réduire leur toxicité. La première consiste à réduire la masse tumorale par la radiothérapie ciblée combinée à des radiosensibilisants. La deuxième approche est basée sur l’activation des cellules natural killer (NK) pour potentialiser l’effet de l’immunothérapie anti-GD2 et éliminer la MRD. L’autophagie est un processus catabolique qui élimine les protéines et organelles endommagées par différents stress incluant les irradiations. Par conséquent, inhiber l’autophagie pourrait sensibiliser les neuroblastes aux irradiations. Or, nous avons montré qu’étant très radiosensibles, les neuroblastes ne sont pas davantage éliminés par les irradiations quand ils sont traités avec un inhibiteur de l’autophagie. De plus, l’absence d’un inhibiteur efficace de l’autophagie à usage thérapeutique ne permet pas actuellement d’adopter cette approche. Notre étude a également permis de révéler une nouvelle approche de stimulation des cellules NK par les cellules dendritiques plasmacytoïdes (pDC) activées par un ligand du récepteur Toll-like, capable d’éradiquer la MRD et prévenir les rechutes de NB. Nos résultats ont permis, d’une part, d’élucider les mécanismes impliqués dans la lyse des cellules NK activées par les pDC contre les neuroblastes et, d’une autre part, de démontrer que l’axe pDC-NK chez le patient est fonctionnel, augmente l’efficacité de l’anti-GD2 et élimine efficacement les neuroblastes. Ainsi, l’immunothérapie par les cellules NK est une stratégie très prometteuse pour traiter le NB. Cette étude préclinique servira de base à l’élaboration d’un essai clinique pour traiter les enfants atteints de NB au CHU Sainte Justine.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".