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 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 | 0,000 |
| 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 ».