KRAS Mutation Status Is Associated with Enhanced Dependency on Folate Metabolism Pathways in Non–Small Cell Lung Cancer Cells
Notice bibliographique
Résumé
KRAS gene mutation is linked to poor prognosis and resistance to therapeutics in non-small cell lung cancer (NSCLC). In this study, we have explored the possibility of exploiting inherent differences in KRAS-mutant cell metabolism for treatment. This study identified a greater dependency on folate metabolism pathways in KRAS mutant compared with KRAS wild-type NSCLC cell lines. Microarray gene expression and biologic pathway analysis identified higher expression of folate metabolism- and purine synthesis-related pathways in KRAS-mutant NSCLC cells compared with wild-type counterparts. Moreover, pathway analysis and knockdown studies suggest a role for MYC transcriptional activity in the expression of these pathways in KRAS-mutant NSCLC cells. Furthermore, KRAS knockdown and overexpression studies demonstrated the ability of KRAS to regulate expression of genes that comprise folate metabolism pathways. Proliferation studies demonstrated higher responsiveness to methotrexate, pemetrexed, and other antifolates in KRAS-mutant NSCLC cells. Surprisingly, KRAS gene expression is downregulated in KRAS wild-type and KRAS-mutant cells by antifolates, which may also contribute to higher efficacy of antifolates in KRAS-mutant NSCLC cells. In vivo analysis of multiple tumorgraft models in nude mice identified a KRAS-mutant tumor among the pemetrexed-responsive tumors and also demonstrated an association between expression of the folate pathway gene, methylenetetrahydrofolate dehydrogenase 2 (MTHFD2), and antifolate activity. Collectively, we identify altered regulation of folate metabolism in KRAS-mutant NSCLC cells that may account for higher antifolate activity in this subtype of NSCLC.
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 | 0,000 | 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) | 0,000 | 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 ».