IFN-β Signaling Positively Regulates Tumorigenesis in Aggressive Fibromatosis, Potentially by Modulating Mesenchymal Progenitors
Notice bibliographique
Résumé
Aggressive fibromatosis (also called desmoid tumor) is a benign, locally invasive, soft tissue tumor composed of cells with mesenchymal characteristics. These tumors are characterized by increased levels of beta-catenin-mediated T-cell factor (TCF)-dependent transcriptional activation. We found that type 1 IFN signaling is activated in human and murine aggressive fibromatosis tumors and that the expression of associated response genes is regulated by beta-catenin. When mice deficient for the type 1 IFN receptor (Ifnar1-/-) were crossed with mice predisposed to developing aggressive fibromatosis tumors (Apc/Apc1638N), a significant decrease in aggressive fibromatosis tumor formation was observed compared with littermate controls, showing a novel role for type 1 IFN signaling in promoting tumor formation. Type 1 IFN activation inhibits cell proliferation but does not alter cell apoptosis or the level of beta-catenin-mediated TCF-dependent transcriptional activation in aggressive fibromatosis cell cultures. Thus, these changes cannot explain our in vivo results. Intriguingly, Ifnar1-/- mice have smaller numbers of mesenchymal progenitor cells compared with littermate controls, and treatment of aggressive fibromatosis cell cultures with IFN increases the proportion of cells that exclude Hoechst dye and sort to the side population, raising the possibility that type 1 IFN signaling regulates the number of precursor cells present that drive aggressive fibromatosis tumor formation and maintenance. This study identified a novel role for IFN type 1 signaling as a positive regulator of neoplasia and suggests that IFN treatment is a less than optimal therapy for this tumor type.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».