Osteopontin increases breast cancer cell sensitivity to specific signaling pathway inhibitors in preclinical models
Notice bibliographique
Résumé
Src kinase and Hsp90 play important roles in malignancy-promoting signaling pathways in a variety of cancers and related targeting agents are presently in clinical trials. To help improve the success of Src kinase and Hsp90 inhibitor therapies, identifying sensitive patient populations will be essential. Osteopontin (OPN), a secreted integrin-binding glycophosphoprotein, is associated with progression and metastasis in a variety of cancers and has been studied as a prognostic marker. Previous work of ours and other groups has indicated that OPN-induced signal transduction involves activation of both Src and Hsp90-dependent pathways. We thus hypothesized that over-expression of OPN could make tumor cells more vulnerable to these classes of inhibitors. This study used multiple in vitro assays to determine if OPN levels could predict breast cancer cell sensitivity to Hsp90 and/or Src kinase inhibitors. We used multiple derivatives of two unrelated of human breast cancer cell lines, high vs. low levels of OPN, to determine if OPN affects the response to two specific inhibitors, an Hsp90 inhibitor and a Src kinase inhibitor, in in vitro migration and colony formation assays. Cells had greater decreases in migration and colony forming ability after Hsp90 and Src kinase inhibitor treatments when OPN was present (either endogenous or exogenous). Decreasing OPN levels via shRNA knockdown decreased inhibitor effects. In rescue experiments, adding exogenous OPN to non-expressing cells increased inhibitor effects. These results suggest that OPN could potentially be useful clinically as a predictive marker in identifying patients who will benefit from either Hsp90 or Src kinase inhibitor therapy.
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) | 0,001 | 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 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 ».