FES Kinase Promotes Mast Cell Recruitment to Mammary Tumors via the Stem Cell Factor/KIT Receptor Signaling Axis
Notice bibliographique
Résumé
KIT receptor is required for mast cell development, survival, and migration toward its ligand stem cell factor (SCF). Many solid tumors express SCF and this leads to mast cell recruitment to tumors and release of mediators linked to tumor angiogenesis, growth, and metastasis. Here, we investigate whether FES protein-tyrosine kinase, a downstream effector of KIT signaling in mast cells, is required for migration of mast cells toward SCF-expressing mammary tumors. Using a novel agarose drop assay for chemotaxis of bone marrow-derived mast cells (BMMC) toward SCF, we found that defects in chemotaxis of fes-null BMMCs correlated with disorganized microtubule networks in polarized cells. FES displayed partial colocalization with microtubules in polarized BMMCs and has at least two direct microtubule binding sites within its N-terminal F-BAR and SH2 domains. An oligomerization-disrupting mutation within the Fer/CIP4 homology-Bin/Amphiphysin/Rvs (F-BAR) domain had no effect on microtubule binding, whereas microtubule binding to the SH2 domain was dependent on the phosphotyrosine-binding pocket. FES involvement in mast cell recruitment to tumors was tested using the AC2M2 mouse mammary carcinoma model. These tumor cells expressed SCF and promoted BMMC recruitment in a KIT- and FES-dependent manner. Engraftment of AC2M2 orthotopic and subcutaneous tumors in control or fes-null mice, revealed a key role for FES in recruitment of mast cells to the tumor periphery. This may contribute to the reduced tumor growth and metastases observed in fes-null mice compared with control mice. Taken together, FES is a potential therapeutic target to limit the progression of tumors with stromal mast cell involvement.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».