Targeting GLUT1 and the Warburg Effect in Renal Cell Carcinoma by Chemical Synthetic Lethality
Notice bibliographique
Résumé
Identifying new targeted therapies that kill tumor cells while sparing normal tissue is a major challenge of cancer research. Using a high-throughput chemical synthetic lethal screen, we sought to identify compounds that exploit the loss of the von Hippel-Lindau (VHL) tumor suppressor gene, which occurs in about 80% of renal cell carcinomas (RCCs). RCCs, like many other cancers, are dependent on aerobic glycolysis for ATP production, a phenomenon known as the Warburg effect. The dependence of RCCs on glycolysis is in part a result of induction of glucose transporter 1 (GLUT1). Here, we report the identification of a class of compounds, the 3-series, exemplified by STF-31, which selectively kills RCCs by specifically targeting glucose uptake through GLUT1 and exploiting the unique dependence of these cells on GLUT1 for survival. Treatment with these agents inhibits the growth of RCCs by binding GLUT1 directly and impeding glucose uptake in vivo without toxicity to normal tissue. Activity of STF-31 in these experimental renal tumors can be monitored by [(18)F]fluorodeoxyglucose uptake by micro-positron emission tomography imaging, and therefore, these agents may be readily tested clinically in human tumors. Our results show that the Warburg effect confers distinct characteristics on tumor cells that can be selectively targeted for therapy.
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) | 0,001 | 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 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 ».