USP8 Is a Novel Target for Overcoming Gefitinib Resistance in Lung Cancer
Notice bibliographique
Résumé
PURPOSE: Common treatment modalities for non-small cell lung cancer (NSCLC) involve the EGF receptor-tyrosine kinase inhibitors (EGFR-TKIs) like gefitinib and erlotinib. However, the vast majority of treated patients acquire resistance to EGFR-TKIs, due, in large part, to secondary mutations in EGFR or amplification of the MET gene. Our purpose was to test ubiquitin-specific peptidase 8 (USP8) as a potential therapeutic target for gefitinib-resistant and -sensitive non-small cell lung cancer (NSCLC). EXPERIMENTAL DESIGN: Testing the effect of knockdown of USP8 and use of a synthetic USP8 inhibitor to selectively kill gefitinib-resistant (or -sensitive) NSCLCs with little effect on normal cells in cell culture and a xenograft mouse model. RESULTS: Knockdown of ubiquitin-specific peptidase 8 (USP8) selectively kills gefitinib-resistant NSCLCs while having little toxicity toward normal cells. Genetic silencing of USP8 led to the downregulation of several receptor tyrosine kinases (RTK) including EGFR, ERBB2, ERBB3, and MET. We also determined that a synthetic USP8 inhibitor markedly decreased the viability of gefitinib-resistant and -sensitive NSCLC cells by decreasing RTK expression while having no effect on normal cells. Moreover, treatment with a USP8 inhibitor led to significant reductions in tumor size in a mouse xenograft model using gefitinib-resistant and -sensitive NSCLC cells. CONCLUSIONS: Our results show for the first time that the inhibition of USP8 activity or reduction in USP8 expression can selectively kill NSCLC cells. We propose USP8 as a potential therapeutic target for gefitinib-resistant and -sensitive NSCLC 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 | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».