Inhibition of Epidermal Growth Factor Receptor Signaling Elevates 15-Hydroxyprostaglandin Dehydrogenase in Non–Small-Cell Lung Cancer
Notice bibliographique
Résumé
Evidence indicates that the induction of cyclooxygenase-2 (COX-2) and high prostaglandin E2 (PGE2) levels contribute to the pathogenesis of non-small-cell lung cancer (NSCLC). In addition to overproduction by COX-2, PGE2 concentrations also depend upon the levels of the PGE2 catabolic enzyme 15-hydroxyprostaglandin dehydrogenase (15-PGDH). We find a dramatic down-regulation of PGDH protein in NSCLC cell lines and in resected human tumors when compared with matched normal lung. Affymetrix array analysis of 10 normal lung tissue samples and 49 resected lung tumors revealed a much lower expression of PGDH transcripts in all NSCLC histologic groups. In addition, treatment with the epidermal growth factor receptor tyrosine kinase inhibitor (EGFR TKI) erlotinib increased the expression of 15-PGDH in a subset of NSCLC cell lines. This effect may be due in part to an inhibition of the extracellular signal-regulated kinase (ERK) pathway as treatment with mitogen-activated protein kinase kinase (MEK) inhibitor U0126 mimics the erlotinib results. We show by quantitative reverse transcription-PCR that the transcript levels of ZEB1 and Slug transcriptional repressors are dramatically reduced in a responsive cell line upon EGFR and MEK/ERK inhibition. In addition, the Slug protein, but not ZEB1, binds to the PGDH promoter and represses transcription. As these repressors function by recruiting histone deacetylases to promoters, it is likely that PGDH is repressed by an epigenetic mechanism involving histone deacetylation, resulting in increased PGE2 activity in tumors. This effect is reversible in a subset of NSCLC upon treatment with an EGFR TKI.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».