Suppression of Ovarian Cancer Cell Tumorigenicity and Evasion of Cisplatin Resistance Using a Truncated Epidermal Growth Factor Receptor in a Rat Model
Notice bibliographique
Résumé
The overexpression of the epidermal growth factor receptor (EGFR) is associated with a poor prognosis in ovarian cancer. The dominant-negative EGFR (EGFR-DNR) is a truncated receptor that lacks the tyrosine kinase domain and is devoid of signaling capability. This study tested the effects of a EGFR-DNR approach in ovarian cancer cells. NuTu-19, a rat ovarian cancer cell line was rendered resistant to cisplatin. Both NuTu-19 and resistant cells were infected with a retroviral vector containing the EGFR-DNR. NuTu-19 and NuTu-DNR (NuTu-19 cells expressing the EGFR-DNR) were injected into Fisher 344 immunocompetent rats. Western blot analyses were used to assess signal transduction pathways. All rats injected with NuTu-DNR cells remained healthy following tumor injection. In contrast, 100% of the rats injected with the NuTu-19 and NuTu-Sham (NuTu-19 cells expressing an empty vector) died of disease progression at the end of 15 weeks (P = 0.00009). On Western blot analysis, both NuTu-19 and NuTu-Sham cells showed a strong activation of mitogen-activated protein kinase (MAPK) after exposure to EGF. Cisplatin-resistant cell lines showed an enhanced EGF stimulatory effect via the MAPK pathway compared with parental cells. The EGFR-DNR significantly reduced the ability of EGF to induce cell signaling through the MAPK pathway. Lastly, the EGFR-DNR can partially reverse cisplatin resistance in drug-resistant cells. The EGFR-DNR approach suggests that EGFR confers a growth advantage to NuTu-19 cells in vivo. Thus, EGFR blockade may ultimately prove to be a useful therapeutic tool in the treatment of cisplatin-sensitive and cisplatin-resistant ovarian cancers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».