DNA Damage- But Not Enzalutamide-Induced Senescence in Prostate Cancer Promotes Senolytic Bcl-xL Inhibitor Sensitivity
Notice bibliographique
Résumé
Cellular senescence is a natural tumor suppression mechanism defined by a stable proliferation arrest. In the context of cancer treatment, cancer cell therapy-induced senescence (TIS) is emerging as an omnipresent cell fate decision that can be pharmacologically targeted at the molecular level to enhance the beneficial aspects of senescence. In prostate cancer (PCa), TIS has been reported using multiple different model systems, and a more systematic analysis would be useful to identify relevant senescence manipulation molecular targets. Here we show that a spectrum of PCa senescence phenotypes can be induced by clinically relevant therapies. We found that DNA damage inducers like irradiation and poly (ADP-ribose) polymerase1 (PARP) inhibitors triggered a stable PCa-TIS independent of the p53 status. On the other hand, enzalutamide triggered a reversible senescence-like state that lacked evidence of cell death or DNA damage. Using a small senolytic drug panel, we found that senescence inducers dictated senolytic sensitivity. While Bcl-2 family anti-apoptotic inhibitor were lethal for PCa-TIS cells harboring evidence of DNA damage, they were ineffective against enzalutamide-TIS cells. Interestingly, piperlongumine, which was described as a senolytic, acted as a senomorphic to enhance enzalutamide-TIS proliferation arrest without promoting cell death. Overall, our results suggest that TIS phenotypic hallmarks need to be evaluated in a context-dependent manner because they can vary with senescence inducers, even within identical cancer cell populations. Defining this context-dependent spectrum of senescence phenotypes is key to determining subsequent molecular strategies that target senescent 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 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 | 0,000 | 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 ».