Caractérisation des effets antiprolifératifs et pro-inflammatoires associés à une déplétion du coactivateur transcriptionnel PGC-1beta dans le mélanome
Bibliographic record
Abstract
Le mélanome est le cancer de la peau le plus mortel. Il est caractérisé par une grande hétérogénéité et une reprogrammation métabolique importante qui lui confère l’habileté de promouvoir des programmes immunosuppressifs et de développer une résistance aux traitements. Cette capacité permet au mélanome d’agir sur le microenvironnement tumoral et d’échapper à l’immunosurveillance du système immunitaire. La famille des peroxisome-proliferator activated receptor gamma coactivator 1 (PGC-1s) est un joueur clé du métabolisme cellulaire en régulant la biogenèse mitochondriale, la phosphorylation oxydative et la détoxification du stress oxydatif. Des études ont montré que l’expression de PGC-1α module la fonction mitochondriale. Les fonctions de PGC-1β et PRC, les 2 autres membres de cette famille, dans le mélanome restent largement inexplorées. Ce mémoire montre pour la première fois que l’expression des PGC-1s est non seulement associée à l’expression de plusieurs molécules pro-inflammatoires (IL-8, TNF, IL-1), mais aussi à l’expression de molécules immunosuppressives (CD73, PD-L2, Galectin-9) pouvant contrôler la réponse immunitaire. Par l’utilisation d’inhibiteurs ciblant des voies de signalisation de l’immunité innée, nous avons montré que la régulation de ces molécules s’effectue via MEK et IKK dans les cellules déplétées en PGC-1β. La déplétion en PGC-1 altère la fonction mitochondriale, induisant l’expression de p21 et l’arrêt du cycle cellulaire d’une manière soutenue et via un mécanisme indépendant des dérivés réactifs de l’oxygène (ROS). Nos travaux montrent que les PGC-1s possèdent d’importantes fonctions immunitaires dans le mélanome qui peuvent potentiellement dicter la croissance tumorale, l’évasion cellulaire et la réponse aux thérapies anticancéreuses.
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 | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".