miRNA-95 Mediates Radioresistance in Tumors by Targeting the Sphingolipid Phosphatase SGPP1
Notice bibliographique
Résumé
Radiation resistance poses a major clinical challenge in cancer treatment, but little is known about how microRNA (miR) may regulate this phenomenon. In this study, we used next-generation sequencing to perform an unbiased comparison of miR expression in PC3 prostate cancer cells rendered resistant to fractionated radiation treatment. One miR candidate found to be upregulated by ionizing radiation was miR-95, the enforced expression of which promoted radiation resistance in a variety of cancer cells. miR-95 overexpression recapitulated an aggressive phenotype including increased cellular proliferation, deregulated G2-M checkpoint following ionizing radiation, and increased invasive potential. Using combined in silico prediction and microarray expression analyses, we identified and validated the sphingolipid phosphatase SGPP1, an antagonist of sphingosine-1-phosphate signaling, as a target of miR-95 that promotes radiation resistance. Consistent with this finding, cell treatment with FTY720, a clinically approved small molecule inhibitor of S1P signaling, sensitized miR-95 overexpressing cells to radiation treatment. In vivo assays extended the significance of these results, showing that miR-95 overexpression increased tumor growth and resistance to radiation treatment in tumor xenografts. Furthermore, reduced tumor necrosis and increased cellular proliferation were seen after radiation treatment of miR-95 overexpressing tumors compared with control tumors. Finally, miR-95 expression was increased in human prostate and breast cancer specimens compared with normal tissue. Together, our work reveals miR-95 expression as a critical determinant of radiation resistance in cancer cells.
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 | 0,001 | 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 | 0,000 |
| 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 ».