EGFR Family Members’ Regulation of Autophagy Is at a Crossroads of Cell Survival and Death in Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The epidermal growth factor receptor (EGFR) signaling pathways are altered in many cancers contributing to increased cell survival. These alterations are caused mainly through increased expression or mutation of EGFR family members EGFR, ErbB2, ErbB3, and ErbB4. These receptors have been successfully targeted for cancer therapy. Specifically, a monoclonal antibody against ErbB2, trastuzumab, and a tyrosine kinase inhibitor against EGFR, gefitinib, have improved the survival of breast and lung cancer patients. Unfortunately, cancer patients frequently become resistant to these inhibitors. This has led to investigating how EGFR can contribute to cell survival and how cancer cells can overcome inhibition of its signaling. Indeed, it is coming into focus that EGFR signaling goes beyond a single signal triggering cell proliferation and survival and is a sensor that regulates the cell's response to microenvironmental stresses such as hypoxia. It acts as a switch that modulates the ability of cancer cells to survive. Autophagy is a process of self-digestion that is inhibited by EGFR allowing cancer cells to survive under stresses that would normally cause death and become resistant to chemotherapy. Inhibiting EGFR signaling allows autophagy to contribute to cell death. This gives new opportunities to develop novel therapeutic strategies to treat cancers that rely on EGFR signaling networks and autophagy. In this review, we summarize the current understanding of EGFR family member regulation of autophagy in cancer cells and how new therapeutic strategies could be developed to overcome drug resistance.
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.
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) | 0,002 | 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 découle