Targeting reduced mitochondrial DNA quantity as a therapeutic approach in pediatric high-grade gliomas
Notice bibliographique
Résumé
BACKGROUND: Despite increased understanding of the genetic events underlying pediatric high-grade gliomas (pHGGs), therapeutic progress is static, with poor understanding of nongenomic drivers. We therefore investigated the role of alterations in mitochondrial function and developed an effective combination therapy against pHGGs. METHODS: Mitochondrial DNA (mtDNA) copy number was measured in a cohort of 60 pHGGs. The implication of mtDNA alteration in pHGG tumorigenesis was studied and followed by an efficacy investigation using patient-derived cultures and orthotopic xenografts. RESULTS: Average mtDNA content was significantly lower in tumors versus normal brains. Decreasing mtDNA copy number in normal human astrocytes led to a markedly increased tumorigenicity in vivo. Depletion of mtDNA in pHGG cells promoted cell migration and invasion and therapeutic resistance. Shifting glucose metabolism from glycolysis to mitochondrial oxidation with the adenosine monophosphate-activated protein kinase activator AICAR (5-aminoimidazole-4-carboxamide ribonucleotide) or the pyruvate dehydrogenase kinase inhibitor dichloroacetate (DCA) significantly inhibited pHGG viability. Using DCA to shift glucose metabolism to mitochondrial oxidation and then metformin to simultaneously target mitochondrial function disrupted energy homeostasis of tumor cells, increasing DNA damage and apoptosis. The triple combination with radiation therapy, DCA and metformin led to a more potent therapeutic effect in vitro and in vivo. CONCLUSIONS: Our results suggest metabolic alterations as an onco-requisite factor of pHGG tumorigenesis. Targeting reduced mtDNA quantity represents a promising therapeutic strategy for pHGG.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».