Modulation of Angiogenic Phenotype Alters Tumorigenicity in Rat Ovarian Epithelial Cells
Notice bibliographique
Résumé
Vascular endothelial growth factor (VEGF) expression correlates with microvessel density, stage, malignant ascites, metastasis, and survival in ovarian cancer. By transducing VEGF165 into a nontumorigenic rat ovarian surface epithelial cell line (ROSE199), we investigated the direct effect of an angiogenic phenotype on tumor development. The neu oncogene, which is overexpressed in >30% of ovarian cancers, was used in comparison. Neu-transfected ROSE199 cells showed phenotypic characteristics of transformation in vitro with an abundance of focus-forming units in monolayer cultures and anchorage-independent growth in soft agar. In contrast, VEGF-secreting ROSE199 cells (VR) retained normal morphology and in vitro growth characteristics (e.g., proliferation rate) compared with parental ROSE199 cells. Interestingly, injection of VR cells into athymic mice formed malignant ascites in 100% of the animals when injected into the peritoneum and developed vascularized tumors in 85% of the mice when injected s.c. Furthermore, blocking VEGF-mediated signaling by the Flk-1/KDR receptor kinase inhibitor SU5416 significantly inhibited the growth of VR tumors. To validate that the proangiogenic switch is responsible for tumor development, the angiogenic phenotype was balanced by the inducible coexpression of endostatin under the control of Tet-activated promoter. Coexpression of endostatin along with VEGF reversed the tumorigenic phenotype of VR cells. These studies show that alterations in the angiogenic characteristics of ovarian surface epithelium may play an important role in the etiology of ovarian cancer, and that inhibition of angiogenesis can be effective in the treatment of epithelial ovarian cancer.
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 | 0,000 | 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 ».