Hepatocyte–Stellate Cell Cross-Talk in the Liver Engenders a Permissive Inflammatory Microenvironment That Drives Progression in Hepatocellular Carcinoma
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
Many solid malignant tumors arise on a background of inflamed and/or fibrotic tissues, features that are found in more than 80% hepatocellular carcinomas (HCC). Activated hepatic stellate cells (HSC) play a critical role in fibrogenesis associated with HCC onset and progression, yet their functional impact on hepatocyte fate remains largely unexplored. Here, we used a coculture model to investigate the cross-talk between hepatocytes (human hepatoma cells) and activated human HSCs. Unsupervised genome-wide expression profiling showed that hepatocyte-HSC cross-talk is bidirectional and results in the deregulation of functionally relevant gene networks. Notably, coculturing increased the expression of proinflammatory cytokines and modified the phenotype of hepatocytes toward motile cells. Hepatocyte-HSC cross-talk also generated a permissive proangiogenic microenvironment, particularly by inducing VEGFA and matrix metalloproteinase (MMP)9 expression in HSCs. An integrative genomic analysis revealed that the expression of genes associated with hepatocyte-HSC cross-talk correlated with HCC progression in mice and was predictive of a poor prognosis and metastasis propensity in human HCCs. Interestingly, the effects of cross-talk on migration and angiogenesis were reversed by the histone deacetylase inhibitor trichostatin A. Our findings, therefore, indicate that the cross-talk between hepatoma cells and activated HSCs is an important feature of HCC progression, which may be targeted by epigenetic modulation.
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 | 0,000 |
| 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) | 0,000 | 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 découle