TGFβ engages MEK/ERK to differentially regulate benign and malignant pancreas cell function
Notice bibliographique
Résumé
While TGFβ signals are anti-proliferative in benign and well-differentiated pancreatic cells, TGFβ appears to promote the progression of advanced cancers. To better understand dysregulation of the TGFβ pathway, we first generated mouse models of neoplastic disease with TGFβ receptor deficiencies. These models displayed reduced levels of pERK irrespective of KRAS mutation. Furthermore, exogenous TGFβ led to rapid and sustained TGFBR1-dependent ERK phosphorylation in benign pancreatic duct cells. Similar to results that our group has published in colon cancer cells, inhibition of ERK phosphorylation in duct cells mitigated TGFβ-induced upregulation of growth suppressive pSMAD2 and p21, prevented downregulation of the pro-growth signal CDK2 and ablated TGFβ-induced EMT. These observations suggest that ERK is a key factor in growth suppressive TGFβ signals, yet may also contribute to detrimental TGFβ signaling such as EMT. In neoplastic PanIN cells, pERK was not necessary for either TGFβ-induced pSMAD2 phosphorylation or CDK2 repression, but was required for upregulation of p21 and EMT indicating a partial divergence between TGFβ and MEK/ERK in early carcinogenesis. In cancer cells, pERK had no effect on TGFβ-induced upregulation of pSMAD2 and p21, suggesting the two pathways have completely diverged with respect to the cell cycle. Furthermore, inhibition of pERK both reduced levels of CDK2 and prevented EMT independent of exogenous TGFβ, consistent with most observations identifying pERK as a tumor promoter. Combined, these data suggest that during carcinogenesis pERK initially facilitates and later antagonizes TGFβ-mediated cell cycle arrest, yet remains critical for the pathological, EMT-inducing arm of TGFβ signaling.
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 | 0,000 |
| 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 | 0,001 | 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 ».