An Integrated Approach Identifies Mediators of Local Recurrence in Head and Neck Squamous Carcinoma
Notice bibliographique
Résumé
Abstract Purpose: Head and neck squamous cell carcinomas (HNSCCs) cause more than 300,000 deaths worldwide each year. Locoregional and distant recurrences represent worse prognostic events and accepted surrogate markers of patients' overall survival. No valid biomarker and salvage therapy exist to identify and treat patients at high-risk of recurrence. We aimed to verify if selected miRNAs could be used as biomarkers of recurrence in HNSCC. Experimental Design: A NanoString array was used to identify miRNAs associated with locoregional recurrence in 44 patients with HNSCC. Bioinformatic approaches validated the signature and identified potential miRNA targets. Validation experiments were performed using an independent cohort of primary HNSCC samples and a panel of HNSCC cell lines. In vivo experiments validated the in vitro results. Results: Our data identified a four-miRNA signature that classified HNSCC patients at high- or low-risk of recurrence. These miRNAs collectively impinge on the epithelial–mesenchymal transition process. In silico and wet lab approaches showed that miR-9, expressed at high levels in recurrent HNSCC, targets SASH1 and KRT13, whereas miR-1, miR-133, and miR-150, expressed at low levels in recurrent HNSCC, collectively target SP1 and TGFβ pathways. A six-gene signature comprising these targets identified patients at high risk of recurrences, as well. Combined pharmacological inhibition of SP1 and TGFβ pathways induced HNSCC cell death and, when timely administered, prevented recurrence formation in a preclinical model of HNSCC recurrence. Conclusions: By integrating different experimental approaches and competences, we identified critical mediators of recurrence formation in HNSCC that may merit to be considered for future clinical development. Clin Cancer Res; 23(14); 3769–80. ©2017 AACR.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».