Étude de l'hétérogénéité de la réponse immunitaires aux inhibiteurs des kinases RSK et PLK dans le mélanome
Bibliographic record
Abstract
Le mélanome métastatique est l’un des cancers les plus adaptatifs notamment en raison de sa grande hétérogénéité, de son changement de phénotype cellulaire et de sa reprogrammation métabolique adaptative. Ces différentes caractéristiques lui confèrent la capacité de fuir l’immunosurveillance du système immunitaire, de s’adapter au microenvironnement tumoral et de développer une résistance thérapeutique. Les thérapies ciblées les plus courantes pour le traitement du mélanome réduisent la progression tumorale en ciblant spécifiquement des voies de signalisation qui régulent la croissance des cellules cancéreuses et le cycle cellulaire. Ce mémoire vise l’étude de la réponse immunitaire des cellules de mélanome à des thérapies ciblées émergentes comme celles menant à l’inhibition des kinases RSK et PLK, et a exploré les bases mécanistiques de cette réponse. Nous montrons qu’il existe une grande hétérogénéité de réponse à ces traitements, et que l’inhibition non sélective de RSK mène à l’induction d’une réponse antiproliférative caractérisée par l’induction et la sécrétion de cytokines pro-inflammatoires. Grâce à des approches pharmacologiques et moléculaires, nous montrons que PLK1 est au coeur de cette réponse et contrôle un programme de différenciation cellulaire apparenté à la transition de phénotypes. Pour finir, la déplétion des mitochondries ou de certaines protéines mitochondriales associée à une signature de résistance thérapeutique augmente la mort cellulaire et diminue l’expression de molécules pro-inflammatoire en réponse à l’inhibition de PLK1. Cette recherche met en lumière de nouveaux mécanismes de résistance à des thérapies ciblées émergentes et permettra la conception de stratégies thérapeutiques qui ciblent certains phénotypes mitochondriaux
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".