S100A9 induces differentiation of acute myeloid leukemia cells through TLR4
Notice bibliographique
Résumé
S100A8 and S100A9 are calcium-binding proteins predominantly expressed by neutrophils and monocytes and play key roles in both normal and pathological inflammation. Recently, both proteins were found to promote tumor progression through the establishment of premetastatic niches and inhibit antitumor immune responses. Although S100A8 and S100A9 have been studied in solid cancers, their functions in hematological malignancies remain poorly understood. However, S100A8 and S100A9 are highly expressed in acute myeloid leukemia (AML), and S100A8 expression has been linked to poor prognosis in AML. We identified a small subpopulation of cells expressing S100A8 and S100A9 in AML mouse models and primary human AML samples. In vitro and in vivo analyses revealed that S100A9 induces AML cell differentiation, whereas S100A8 prevents differentiation induced by S100A9 activity and maintains AML immature phenotype. Treatment with recombinant S100A9 proteins increased AML cell maturation, induced growth arrest, and prolonged survival in an AML mouse model. Interestingly, anti-S100A8 antibody treatment had effects similar to those of S100A9 therapy in vivo, suggesting that high ratios of S100A9 over S100A8 are required to induce differentiation. Our in vitro studies on the mechanisms/pathways involved in leukemic cell differentiation revealed that binding of S100A9 to Toll-like receptor 4 (TLR4) promotes activation of p38 mitogen-activated protein kinase, extracellular signal-regulated kinases 1 and 2, and Jun N-terminal kinase signaling pathways, leading to myelomonocytic and monocytic AML cell differentiation. These findings indicate that S100A8 and S100A9 are regulators of myeloid differentiation in leukemia and have therapeutic potential in myelomonocytic and monocytic AMLs.
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 ».