Membrane therapy using DHA suppresses epidermal growth factor receptor signaling by disrupting nanocluster formation
Notice bibliographique
Résumé
Epidermal growth factor receptor (EGFR) signaling drives the formation of many types of cancer, including colon cancer. Docosahexaenoic acid (DHA, 22∶6 Δ4,7,10,13,16,19 ), a chemoprotective long-chain n-3 polyunsaturated fatty acid suppresses EGFR signaling. However, the mechanism underlying this phenotype remains unclear. Therefore, we used super-resolution microscopy techniques to investigate the mechanistic link between EGFR function and DHA-induced alterations to plasma membrane nanodomains. Using isogenic in vitro (YAMC and IMCE mouse colonic cell lines) and in vivo ( Drosophila , wild type and Fat-1 mice) models, cellular DHA enrichment via therapeutic nanoparticle delivery, endogenous synthesis, or dietary supplementation reduced EGFR-mediated cell proliferation and downstream Ras/ERK signaling. Phospholipid incorporation of DHA reduced membrane rigidity and the size of EGFR nanoclusters. Similarly, pharmacological reduction of plasma membrane phosphatidic acid (PA), phosphatidylinositol-4,5-bisphosphate (PIP 2 ) or cholesterol was associated with a decrease in EGFR nanocluster size. Furthermore, in DHA-treated cells only the addition of cholesterol, unlike PA or PIP 2 , restored EGFR nanoscale clustering. These findings reveal that DHA reduces EGFR signaling in part by reshaping EGFR proteolipid nanodomains, supporting the feasibility of using membrane therapy, i.e., dietary/drug-related strategies to target plasma membrane organization, to reduce EGFR signaling and cancer risk.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».