EGF-Induced EMT and Invasiveness in Serous Borderline Ovarian Tumor Cells: A Possible Step in the Transition to Low-Grade Serous Carcinoma Cells?
Notice bibliographique
Résumé
In high-grade ovarian cancer cultures, it has been shown that epidermal growth factor (EGF) induces cell invasion by activating an epithelial-mesenchymal transition (EMT). However, the effect of EGF on serous borderline ovarian tumors (SBOT) and low-grade serous carcinomas (LGC) cell invasion remains unknown. Here, we show that EGF receptor (EGFR) was expressed, that EGF treatment increased cell migration and invasion in two cultured SBOT cell lines, SBOT3.1 and SV40 large T antigen-infected SBOT cells (SBOT4-LT), and in two cultured LGC cell lines, MPSC1 and SV40 LT/ST-immortalized LGC cells (ILGC). However, EGF induced down-regulation of E-cadherin and concurrent up-regulation of N-cadherin in SBOT cells but not in LGC cells. In SBOT cells, the expression of the transcriptional repressors of E-cadherin, Snail, Slug and ZEB1 were increased by EGF treatment. Treatment with EGF led to the activation of the downstream ERK1/2 and PI3K/Akt. The MEK1 inhibitor PD98059 diminished the EGF-induced cadherin switch and the up-regulation of Snail, Slug and ZEB1 and the EGF-mediated increase in SBOT cell migration and invasion. The PI3K inhibitor LY294002 had similar effects, but it could not block the EGF-induced up-regulation of N-cadherin and ZEB1. This study demonstrates that EGF induces SBOT cell migration and invasion by activating EMT, which involves the activation of the ERK1/2 and PI3K/Akt pathways and, subsequently, Snail, Slug and ZEB1 expression. Moreover, our results suggest that there are EMT-independent mechanisms that mediate the EGF-induced LGC cell migration and invasion.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».