Le métabolisme du fer joue un rôle essentiel dans la sensibilité des cellules sénescentes cancéreuses pancréatiques à la ferroptose
Bibliographic record
Abstract
Le cancer du pancréas occupe le troisième rang des décès associés au cancer au Canada. Il peut être asymptomatique, ce qui rend sa détection tardive et malheureusement résulte en un diagnostic de stade avancé. Des traitements, comme la chimiothérapie, peuvent être proposés aux patients, mais l’effet thérapeutique est faible ou de courte durée. Dans ce mémoire, nous proposons une stratégie contre le cancer du pancréas qui pourrait nettement améliorer les thérapies actuelles. Nous suggérons l’approche du one-two punch dans le cancer du pancréas. Cette stratégie repose sur l’induction de la sénescence de cellules humaines d’adénocarcinome canalaire pancréatique (PDAC), suivi de leur élimination spécifique grâce à des sénolytiques. Pour déceler les vulnérabilités des cellules PDAC sénescentes et ainsi pouvoir les exploiter en thérapie, nous avons effectué un criblage CRISPR-Cas9 à l’échelle du génome. L’enzyme GPX4 est ressortie comme une cible importante suggérant que la ferroptose représente une fragilité pour les cellules PDAC sénescentes. Au chapitre 2, nous démontrons que l’induction de la sénescence dans des cellules PDAC, puis l’utilisation d’inhibiteur de GPX4, promeut une sénolyse médiée par la ferroptose. Le one-two punch proposé permettra d’enrichir les connaissances sur les thérapies anticancéreuses du pancréas, et espérons, le développement de nouveaux remèdes plus efficaces.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".