Local estrogen metabolism in epithelial ovarian cancer suggests novel targets for therapy
Notice bibliographique
Résumé
Epithelial ovarian cancer (EOC) accounts for about 90% of malignant ovarian tumors, and estrogen is often implicated in disease progression. We therefore compared the potential for gating of estrogen action via pre-receptor metabolism in normal human ovarian surface epithelium (OSE), EOC and selected EOC cell lines (SKOV3 and PEO1). Steroid sulphatase (STS), estrogen sulfotransferase (EST), 17β-hydroxysteroid dehydrogenases 2 (17BHSD2) and 5 (17BHSD5) mRNAs, proteins and enzymatic activities were all detectable in primary cell cultures of OSE and EOC, whereas aromatase and 17BHSD1 expression was negligible. qRT-PCR assay on total mRNA revealed significantly higher EST mRNA expression in OSE compared to EOC (P<0.05). Radioenzymatic measurements confirmed reduced sulfoconjugation (neutralization) of free estrogen in EOC relative to OSE. OSE cells were more effective at converting free [(3)H]-E1 to [(3)H]-E1S or [(3)H]-E2S, while EOC cell lines mainly converted [(3)H]-E1 to [(3)H]-E2 with minimal formation of [(3)H]-E1S or [(3)H]-E2S. IL1α treatment suppressed EST (P<0.01) and 17BHSD2 (P<0.001) mRNA levels in OSE and stimulated STS mRNA levels (P<0.001) in cancer (SKOV3) cells. These results show that estrogen is differentially metabolized in OSE and EOC cells, with E2 'activation' from conjugated estrogen predominating in EOC. Inflammatory cytokines may further augment the local production of E2 by stimulating STS and suppressing EST. We conclude that local estrogen metabolism may be a target for EOC treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».