Targeting Cancer Stem Cells through L1CAM Suppresses Glioma Growth
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Malignant gliomas are lethal cancers that display striking cellular heterogeneity. A highly tumorigenic glioma tumor subpopulation, termed cancer stem cells or tumor-initiating cells, promotes therapeutic resistance and tumor angiogenesis. Therefore, targeting cancer stem cells may improve patient survival. We interrogated the role of a neuronal cell adhesion molecule, L1CAM, in glioma stem cells as L1CAM regulates brain development and is expressed in gliomas. L1CAM(+) and CD133(+) cells cosegregated in gliomas, and levels of L1CAM were higher in CD133(+) glioma cells than normal neural progenitors. Targeting L1CAM using lentiviral-mediated short hairpin RNA (shRNA) interference in CD133(+) glioma cells potently disrupted neurosphere formation, induced apoptosis, and inhibited growth specifically in glioma stem cells. We identified a novel mechanism for L1CAM regulation of cell survival as L1CAM knockdown decreased expression of the basic helix-loop-helix transcription factor Olig2 and up-regulated the p21(WAF1/CIP1) tumor suppressor in CD133(+) glioma cells. To determine if targeting L1CAM was sufficient to reduce glioma stem cell tumor growth in vivo, we targeted L1CAM in glioma cells before injection into immunocompromised mice or directly in established tumors. In each glioma xenograft model, shRNA targeting of L1CAM expression in vivo suppressed tumor growth and increased the survival of tumor-bearing animals. Together, these data show that L1CAM is required for maintaining the growth and survival of CD133(+) glioma cells both in vitro and in vivo, and L1CAM may represent a cancer stem cell-specific therapeutic target for improving the treatment of malignant gliomas and other brain tumors.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle