A role for matrix remodelling proteins in invasive and malignant meningiomas
Notice bibliographique
Résumé
AIMS: Meningiomas are one of the most common brain tumours in adults. Invasive and malignant meningiomas present a significant therapeutic challenge due to high recurrence rates and invasion into surrounding bone, brain, neural and soft tissues. Understanding the molecular mechanism of invasion could help in designing novel therapeutic approaches in order to prevent the need for repeat surgery, decrease morbidity and improve patient survival. The aim of this study was to identify the key factors and underlying mechanisms which govern invasive properties of meningiomas. METHODS: Formalin-fixed paraffin-embedded (FFPE) as well as frozen tumour tissues from bone-invasive, non-invasive and malignant meningiomas were used for RNA microarray, quantitative real-time PCR or Western blot analyses. Malignant meningioma cell lines (F5) were subject to MMP16 downregulation or overexpression and used for in vitro and in vivo functional assays. Subdural xenograft meningioma tumours were generated to study the invasion of tumour cells into brain parenchyma using cell lines with altered MMP16 expression. RESULTS: We establish that the expression level of MMP16 was significantly elevated in both bone-invasive and brain invasive meningiomas. Gain- and loss-of-function experiments indicated a role for MMP16 in meningioma cell movement, invasion and tumour cell growth. Furthermore, MMP16 was shown to positively regulate MMP2, suggesting this mechanism may modulate meningioma invasion in invasive meningiomas. CONCLUSIONS: Overall, the results support a role for MMP16 in promoting invasive properties of the meningioma tumours. Further studies to explore the potential value for clinical use of matrix metalloproteinases inhibitors are warranted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».