The Estrogen Receptor Cofactor SPEN Functions as a Tumor Suppressor and Candidate Biomarker of Drug Responsiveness in Hormone-Dependent Breast Cancers
Notice bibliographique
Résumé
The treatment of breast cancer has benefitted tremendously from the generation of estrogen receptor-α (ERα)-targeted therapies, but disease relapse continues to pose a challenge due to intrinsic or acquired drug resistance. In an effort to delineate potential predictive biomarkers of therapy responsiveness, multiple groups have identified several uncharacterized cofactors and interacting partners of ERα, including Split Ends (SPEN), a transcriptional corepressor. Here, we demonstrate a role for SPEN in ERα-expressing breast cancers. SPEN nonsense mutations were detectable in the ERα-expressing breast cancer cell line T47D and corresponded to undetectable protein levels. Further analysis of 101 primary breast tumors revealed that 23% displayed loss of heterozygosity at the SPEN locus and that 3% to 4% harbored somatically acquired mutations. A combination of in vitro and in vivo functional assays with microarray-based pathway analyses showed that SPEN functions as a tumor suppressor to regulate cell proliferation, tumor growth, and survival. We also found that SPEN binds ERα in a ligand-independent manner and negatively regulates the transcription of ERα targets. Moreover, we demonstrate that SPEN overexpression sensitizes hormone receptor-positive breast cancer cells to the apoptotic effects of tamoxifen, but has no effect on responsiveness to fulvestrant. Consistent with these findings, two independent datasets revealed that high SPEN protein and RNA expression in ERα-positive breast tumors predicted favorable outcome in patients treated with tamoxifen alone. Together, our data suggest that SPEN is a novel tumor-suppressor gene that may be clinically useful as a predictive biomarker of tamoxifen response in ERα-positive breast cancers.
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 ».