Ovarian cancer ascites enhance the migration of patient‐derived peritoneal mesothelial cells <i>via</i><scp>cMet</scp> pathway through <scp>HGF</scp>‐dependent and ‐independent mechanisms
Notice bibliographique
Résumé
Ovarian cancer ascites consist of a proinflammatory environment that is characterized by the presence of abundant human peritoneal mesothelial cells (HPMCs). Cytokines and growth factors in ascites modulate cell activities of tumor cells. The expression of proinflammatory cytokines in ascites is associated with a more aggressive tumor phenotype. The effect of ascites on HPMCs is for the most part unknown but this interplay is thought to be important for epithelial ovarian cancer (EOC) progression. Here, we examine the components of ascites, which stimulate patient-derived HPMC migration, from women with advanced EOC. We show that ovarian cancer ascites enhanced the migration of HPMCs. This effect was inhibited by heat treatment, hepatocyte growth factor (HGF) blocking antibodies and a HGF receptor (cMet) inhibitor. In ovarian cancer ascites, HGF is present at high concentration compared to benign fluids. Ascites-mediated activation of cMet was associated with Akt and EKR1/2 phosphorylation. This response was partly inhibited by heat treatment and cMet inhibitor. Ascites-induced migration and a cMet phosphorylation were strongly inhibited by epidermal growth factor receptor (EGFR) inhibitor PD153035, suggesting the transactivation of cMet by EGFR. Our study suggests that HGF and ligands of EGFR are factors that mediate ovarian cancer ascites-mediated migration of HPMCs by activating cMet and possibly downstream ERK1/2 and Akt pathways. The study provides evidence for the first time that ascites not only support tumor growth but also enhance the migratory potential of cancer-associated mesothelial cells, which in turn may support cancer progression.
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 | 0,001 | 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 ».