Therapeutic Targeting of the Premetastatic Stage in Human Lung-to-Brain Metastasis
Notice bibliographique
Résumé
Abstract Brain metastases (BM) result from the spread of primary tumors to the brain and are a leading cause of cancer mortality in adults. Secondary tissue colonization remains the main bottleneck in metastatic development, yet this “premetastatic” stage of the metastatic cascade, when primary tumor cells cross the blood–brain barrier and seed the brain before initiating a secondary tumor, remains poorly characterized. Current studies rely on specimens from fully developed macrometastases to identify therapeutic options in cancer treatment, overlooking the potentially more treatable “premetastatic” phase when colonizing cancer cells could be targeted before they initiate the secondary brain tumor. Here we use our established brain metastasis initiating cell (BMIC) models and gene expression analyses to characterize premetastasis in human lung-to-BM. Premetastatic BMIC engaged invasive and epithelial developmental mechanisms while simultaneously impeding proliferation and apoptosis. We identified the dopamine agonist apomorphine to be a potential premetastasis-targeting drug. In vivo treatment with apomorphine prevented BM formation, potentially by targeting premetastasis-associated genes KIF16B, SEPW1, and TESK2. Low expression of these genes was associated with poor survival of patients with lung adenocarcinoma. These results illuminate the cellular and molecular dynamics of premetastasis, which is subclinical and currently impossible to identify or interrogate in human patients with BM. These data present several novel therapeutic targets and associated pathways to prevent BM initiation. Significance: These findings unveil molecular features of the premetastatic stage of lung-to-brain metastases and offer a potential therapeutic strategy to prevent brain metastases. Cancer Res; 78(17); 5124–34. ©2018 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».