TGF-β1 and TNF-α synergistically induce epithelial to mesenchymal transition of breast cancer cells by enhancing TAK1 activation
Notice bibliographique
Résumé
TGF-β1 is a main inducer of epithelial to mesenchymal transition (EMT). However, many breast cancer cells are not sensitive to the EMT induction by TGF-β1 alone. So far, the mechanisms underlying the induction of TGF-β1-insensitive breast cancer cells remains unclear. Here we report that TNF-α can induce EMT and invasiveness of breast cancer cells which are insensitive to TGF-β1. Intriguingly, TGF-β1 could cooperate with TNF-α to promote the EMT and invasiveness of breast cancer cells. The prolonged co-stimulation with TGF-β1 and TNF-α could enhance the sustained activation of Smad2/3, p38 MAPK, ERK, JNK and NF-κB pathways by enhancing the activation of TAK1, which was mediated by the gradually up-regulated TβRs. Except for JNK, all of these pathways were required for the effects of TGF-β1 and TNF-α. Importantly, the activation of p38 MAPK and ERK pathways resulted in a positive feed-back effect on TAK1 activation by up-regulating the expression of TβRs, favoring the activation of multiple signaling pathways. Moreover, SLUG was up-regulated and required for the TGF-β1/TNF-α-induced EMT and invasiveness. In addition, SLUG could also enhance the activation of signaling pathways by promoting TβRII expression. These findings suggest that the up-regulation of TβRs contributes to the sustained activation of TAK1 induced by TGF-β1/TNF-α and the following activation of multiple signaling pathways, resulting in EMT and invasiveness of breast cancer cells.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».