Study of the impact of a senescent environment on the tumor immune response in humanized mice
Bibliographic record
Abstract
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.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| 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".