Eukaryotic Translation Initiation Factor 4AI: A Potential Novel Target in Neuroblastoma
Notice bibliographique
Résumé
Neuroblastoma (NB) is the most common extracranial pediatric solid tumor. Children suffering from high-risk and/or metastatic NB often show no response to therapy, and new therapeutic approaches are urgently needed. Malignant tumor development has been shown to be driven by the dysregulation of eukaryotic initiation factors (eIFs) at the translation initiation. Especially the activity of the heterotrimeric eIF4F complex is often altered in malignant cells, since it is the direct connection to key oncogenic signaling pathways such as the PI3K/AKT/mTOR-pathway. A large body of literature exists that demonstrates targeting the translational machinery as a promising anti-neoplastic approach. The objective of this study was to determine whether eIF4F complex members are aberrantly expressed in NB and whether targeting parts of the complex may be a therapeutic strategy against NB. We show that eIF4AI is overexpressed in NB patient tissue using immunohistochemistry, immunoblotting, and RT-qPCR. NB cell lines exhibit decreased viability, increased apoptosis rates as well as changes in cell cycle distribution when treated with the synthetic rocaglate CR-1-31-B, which clamps eIF4A and eIF4F onto mRNA, resulting in a translational block. Additionally, this study reveals that CR-1-31-B is effective against NB cell lines at low nanomolar doses (≤20 nM), which have been shown to not affect non-malignant cells in previous studies. Thus, our study provides information of the expression status on eIF4AI in NB and offers initial promising insight into targeting translation initiation as an anti-tumorigenic approach for NB.
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 ».