Role of PI3K, mTOR and Akt2 signalling in hepatic tumorigenesis via the control of PKM2 expression
Notice bibliographique
Résumé
To sustain increased growth, rapidly proliferating cells, such as tumour cells, undergo metabolic adaptations. In recent years, the mechanisms of glycolysis activation as a key metabolic adaptation in proliferating cells became the topic of intense research. Although this phenomenon was described more than 50 years ago by Otto Warburg, the molecular mechanisms remained elusive. Only recently, it was demonstrated that the expression of specific glycolytic enzymes, namely PKM2 (pyruvate kinase M2) and HK2 (hexokinase 2), occurs simultaneously with the glycolytic addiction of cancer cells. The PI3K (phosphoinositide 3-kinase)/mTOR [mammalian (or mechanistic) target of rapamycin] signalling pathway is a central signalling hub co-ordinating the growth in response to growth factor signalling and nutrient availability. Not surprisingly, it is found to be activated in the majority of the tumour cells. In the present article, we discuss the requirement of different PI3K/mTOR downstream effectors for the metabolic adaptation in liver cancer cells driven by this signalling pathway. We provide evidence for a selective involvement of the mTOR target Akt2 in tumoral growth. In addition, PTEN (phosphatase and tensin homologue deleted on chromosome 10)-negative human hepatocellular carcinoma cell lines display an up-regulation of PKM2 expression in an Akt2-dependent manner, providing an advantage for cell proliferation and anchorage-independent growth. Our data have implications on the link between the metabolic action of insulin signal transduction and tumorigenesis, identifying Akt2 as a potential therapeutical target in liver malignancies depending on cancer genotype.
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 | 0,000 |
| 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 ».