Anticancer Drug-Induced Epithelial-Mesenchymal Transition via p53/miR-34a axis in A549/ABCA3 Cells
Notice bibliographique
Résumé
PURPOSE: Several anticancer drugs including bleomycin (BLM) and methotrexate (MTX) cause serious lung diseases such as pulmonary fibrosis. Although evidences showing the association of epithelial-mesenchymal transition (EMT) with pulmonary fibrosis are increasing, the mechanism underlying anticancer drug-induced EMT has been poorly understood. On the other hand, miR-34a, a non-coding small RNA, has been highlighted as a key factor to regulate EMT in lung. In this study, we elucidated the role of miR-34a in anticancer drug-induced EMT using A549/ABCA3 cells as a novel type II alveolar epithelium model. METHODS: Expression levels of α-smooth muscle actin (α-SMA) mRNA, miR-34a, and p53 were evaluated by real-time PCR and western blot analysis, respectively. RESULTS: BLM and MTX induced EMT-like morphological changes and increase in mRNA expression level of α-SMA, an EMT marker. Also, both drugs increased the expression level of miR-34a. Furthermore, mRNA expression level of α-SMA was enhanced by introduction of miR-34a mimic into A549/ABCA3 cells. To examine the mechanism underlying drug-induced enhancement of miR-34a expression, we focused on p53/miR-34a axis. Both drugs upregulated protein expression of p53, an inducer of miR-34a, as well as phosphorylation of Ser15 in p53. CONCLUSIONS: These findings indicated that p53/miR-34a axis may contribute to anticancer drug-induced EMT in type II alveolar epithelial 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) | 0,000 | 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 ».