Hypoxia Inducible Factor Activates the Transforming Growth Factor-α/Epidermal Growth Factor Receptor Growth Stimulatory Pathway in VHL-/- Renal Cell Carcinoma Cells
Notice bibliographique
Résumé
Bi-allelic-inactivating mutations of the VHL tumor suppressor gene are found in the majority of clear cell renal cell carcinomas (VHL(-/-) RCC). VHL(-/-) RCC cells overproduce hypoxia-inducible genes as a consequence of constitutive, oxygen-independent activation of hypoxia inducible factor (HIF). While HIF activation explains the highly vascularized nature of VHL loss lesions, the relative role of HIF in oncogenesis and loss of growth control remains unknown. Here, we report that HIF plays a central role in promoting unregulated growth of VHL(-/-) RCC cells by activating the transforming growth factor-alpha (TGF-alpha)/epidermal growth factor receptor (EGF-R) pathway. Dominant-negative HIF and enzymatic inhibition of EGF-R were equally efficient at abolishing EGF-R activation and serum-independent growth of VHL(-/-) RCC cells. TGF-alpha is the only known EGF-R ligand that has a VHL-dependent expression profile and its overexpression by VHL(-/-) RCC cells is a direct consequence of HIF activation. In contrast to TGF-alpha, other HIF targets, including vascular endothelial growth factor (VEGF), were unable to stimulate serum-independent growth of VHL(-/-) RCC cells. VHL(-/-) RCC cells expressing reintroduced type 2C mutants of VHL, and which retain the ability to degrade HIF, fail to overproduce TGF-alpha and proliferate in serum-free media. These data link HIF with the overproduction of a bona fide renal cell mitogen leading to activation of a pathway involved in growth of renal cancer cells. Moreover, our results suggest that HIF might be involved in oncogenesis to a much higher extent than previously appreciated.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».