Potential role for inhibition of protein phosphatase 2A tumor suppressor in salivary gland malignancies
Notice bibliographique
Résumé
The aetiology and pathogenesis of salivary gland malignancies remain unknown. To reveal novel molecular factors behind the development of salivary gland cancer, we performed gene expression analyses from Smgb-Tag mouse salivary gland samples. The overall purpose was to apply these results for clinical use to find new approaches for both possible therapeutic targets and more accurate diagnostic tools. Smgb-Tag mouse strain, in which salivary neoplasms arise through a dysplastic phase in submandibular glands, was investigated using genome-wide microarray expression analysis, ingenuity pathway analysis, RT-PCR, and immunohistochemistry. Thirty-eight human salivary gland adenoid cystic carcinoma samples were investigated using immunohistochemistry for validation purposes. Our genome-wide study showed that Ppp2r1b, a PP2A subunit encoding tumor suppressor gene, is underexpressed in submandibular gland tumors of Smgb-Tag mice. mTOR signaling pathway was significantly enriched and mTOR linked PP2A subunit gene B55 gamma was significantly underexpressed in the analyses. Furthermore, parallel immunohistochemical analysis of three PP2A inhibitors demonstrated that two PP2A inhibitors, CIP2A and SET, are highly expressed in both dysplastic and adenocarcinomatous tumors of the Smgb-Tag mice. In addition, all 38 investigated human salivary adenoid cystic carcinoma samples stained positively for CIP2A and most for SET. Finally, p-S6 staining showed activation of mTOR pathway in human adenoid cystic carcinoma samples. Our results suggest that PP2A inhibition either via PP2A subunit underexpression or PP2A inhibitor overexpression play an important role in the formation of salivary gland malignancy, potentially due to mTOR signaling activation.
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 ».