Kaiso depletion attenuates transforming growth factor-β signaling and metastatic activity of triple-negative breast cancer cells
Notice bibliographique
Résumé
Triple-negative breast cancers (TNBCs) represent a subset of breast tumors that are highly aggressive and metastatic, and are responsible for a disproportionate number of breast cancer-related deaths. Several studies have postulated a role for the epithelial-to-mesenchymal transition (EMT) program in the increased aggressiveness and metastatic propensity of TNBCs. Although EMT is essential for early vertebrate development and wound healing, it is frequently co-opted by cancer cells during tumorigenesis. One prominent signaling pathway involved in EMT is the transforming growth factor-β (TGFβ) pathway. In this study, we report that the novel POZ-ZF transcription factor Kaiso is highly expressed in TNBCs and correlates with a shorter metastasis-free survival. Notably, Kaiso expression is induced by the TGFβ pathway and silencing Kaiso expression in the highly invasive breast cancer cell lines, MDA-MB-231 (hereafter MDA-231) and Hs578T, attenuated the expression of several EMT-associated proteins (Vimentin, Slug and ZEB1), abrogated TGFβ signaling and TGFβ-dependent EMT. Moreover, Kaiso depletion attenuated the metastasis of TNBC cells (MDA-231 and Hs578T) in a mouse model. Although high Kaiso and high TGFβR1 expression is associated with poor overall survival in breast cancer patients, overexpression of a kinase-active TGFβR1 in the Kaiso-depleted cells was insufficient to restore the metastatic potential of these cells, suggesting that Kaiso is a key downstream component of TGFβ-mediated pro-metastatic responses. Collectively, these findings suggest a critical role for Kaiso in TGFβ signaling and the metastasis of TNBCs.
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 ».