Proteogenomic Characterization of Patient-Derived Xenografts Highlights the Role of REST in Neuroendocrine Differentiation of Castration-Resistant Prostate Cancer
Notice bibliographique
Résumé
Abstract Purpose: An increasing number of castration-resistant prostate cancer (CRPC) tumors exhibit neuroendocrine (NE) features. NE prostate cancer (NEPC) has poor prognosis, and its development is poorly understood. Experimental Design: We applied mass spectrometry–based proteomics to a unique set of 17 prostate cancer patient–derived xenografts (PDX) to characterize the effects of castration in vivo, and the proteome differences between NEPC and prostate adenocarcinomas. Genome-wide profiling of REST-occupied regions in prostate cancer cells was correlated to the expression changes in vivo to investigate the role of the transcriptional repressor REST in castration-induced NEPC differentiation. Results: An average of 4,881 proteins were identified and quantified from each PDX. Proteins related to neurogenesis, cell-cycle regulation, and DNA repair were found upregulated and elevated in NEPC, while the reduced levels of proteins involved in mitochondrial functions suggested a prevalent glycolytic metabolism of NEPC tumors. Integration of the REST chromatin bound regions with expression changes indicated a direct role of REST in regulating neuronal gene expression in prostate cancer cells. Mechanistically, depletion of REST led to cell-cycle arrest in G1, which could be rescued by p53 knockdown. Finally, the expression of the REST-regulated gene secretagogin (SCGN) correlated with an increased risk of suffering disease relapse after radical prostatectomy. Conclusions: This study presents the first deep characterization of the proteome of NEPC and suggests that concomitant inhibition of REST and the p53 pathway would promote NEPC. We also identify SCGN as a novel prognostic marker in prostate cancer.
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 | 0,001 |
| 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 ».