Gram negative bacteria increase non‐small cell lung cancer metastasis <i>via</i> toll‐like receptor 4 activation and mitogen‐activated protein kinase phosphorylation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Surgery is required for the curative treatment of lung cancer but is associated with high rates of postoperative pneumonias predominantly caused by gram negative bacteria. Recent evidence suggests that these severe infectious complications may decrease long term survival after hospital discharge via cancer recurrence, but the mechanism is unclear. Lung cancer cells have recently been demonstrated to express Toll-like receptors (TLR) that mediate pathogen recognition. We hypothesized that incubation of non-small cell lung cancer (NSCLC) cells with heat-inactivated Escherichia coli can augment cancer cell adhesion, migration and metastasis via TLR4 signaling. Incubation of murine and human NSCLC cells with E. coli increased in vitro cell adhesion to collagen I, collagen IV and fibronectin, and enhanced in vitro migration. Using hepatic intravital microscopy, we demonstrated that NSCLC cells have increased in vivo adhesion to hepatic sinusoids after coincubation with gram negative bacteria. These enhanced cell adhesion and migration phenotypes following incubation with E. coli were attenuated at three levels: inhibition of TLR4 (Eritoran), p38 MAPK (BIRB0796) and ERK1/2 phosphorylation (PD184352). Incubation of murine NSCLC cells in vitro with E. coli prior to intrasplenic injection significantly augmented formation of in vivo hepatic metastases 2 weeks later. This increase was abrogated by NSCLC TLR4 blockade using Eritoran. TLR4 represents a potential therapeutic target to help prevent severe postoperative infection driven cancer metastasis.
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.
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 découle