DEAD-box helicase DP103 defines metastatic potential of human breast cancers
Notice bibliographique
Résumé
Despite advancement in breast cancer treatment, 30% of patients with early breast cancers experience relapse with distant metastasis. It is a challenge to identify patients at risk for relapse; therefore, the identification of markers and therapeutic targets for metastatic breast cancers is imperative. Here, we identified DP103 as a biomarker and metastasis-driving oncogene in human breast cancers and determined that DP103 elevates matrix metallopeptidase 9 (MMP9) levels, which are associated with metastasis and invasion through activation of NF-κB. In turn, NF-κB signaling positively activated DP103 expression. Furthermore, DP103 enhanced TGF-β-activated kinase-1 (TAK1) phosphorylation of NF-κB-activating IκB kinase 2 (IKK2), leading to increased NF-κB activity. Reduction of DP103 expression in invasive breast cancer cells reduced phosphorylation of IKK2, abrogated NF-κB-mediated MMP9 expression, and impeded metastasis in a murine xenograft model. In breast cancer patient tissues, elevated levels of DP103 correlated with enhanced MMP9, reduced overall survival, and reduced survival after relapse. Together, these data indicate that a positive DP103/NF-κB feedback loop promotes constitutive NF-κB activation in invasive breast cancers and activation of this pathway is linked to cancer progression and the acquisition of chemotherapy resistance. Furthermore, our results suggest that DP103 has potential as a therapeutic target for breast cancer treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».