Prolactin hormone exerts anti-tumorigenic effects in HER-2 overexpressing breast cancer cells through regulation of stemness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Breast cancers characterized by HER2 overexpression, belong to HER-2 enriched or luminal B subtypes, are frequently associated with higher incidence of tumor recurrence and therapeutic failure. These aggressive features have been attributed to the presence of cancer stem-like cell subpopulations known to have high tumor initiation, self -renewal capacities and high metastatic potential. Depleting these stem-like cells in these tumors therefore might help in improving therapeutic response and patient outcome. METHODS: Here we used human breast cancer cells representative of HER2- enriched and luminal B subtypes as well as purified ALDH-positive stem-like cell subpopulation for in vitro cell viability, proliferation, tumorshpere formation analyses and gene expression studies. In addition, we used a pre-clinical xenograft HER2 mouse model (NOD/SCID mice) for in vivo tumorigenesis assessment. Furthermore, patient survival outcomes were evaluated using in silico bioinformatics analyses of publicly available datasets. RESULTS: stem-like subpopulation. Furthermore, we show PRL to impede tumor growth of HER-2 xenografts and to suppress expression of Ki67 proliferative marker. Finally, we found PRL pathway gene signature to correlate with favorable patient outcomes in HER-2 and luminal B breast cancer patients. CONCLUSION: Together these results emphasize an anti-tumorigenic role with a potential therapeutic value for PRL in HER-2 and luminal B breast cancer subtypes targeting the cancer stem-like 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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 découle