Effects of hyperinsulinemia on pancreatic cancer development and the immune microenvironment revealed through single-cell transcriptomics
Notice bibliographique
Résumé
Abstract Hyperinsulinemia is independently associated with increased risk and mortality of pancreatic cancer. We recently reported that a ∼50% reduction in pancreatic intraepithelial neoplasia (PanIN) pre-cancerous lesions in mice could be achieved with reduced insulin production. However, only female mice remained normoglycemic and only the gene dosage of rodent-specific Ins1 alleles was tested in our previous model. Moreover, we did not delve into the molecular and cellular mechanisms associated with modulating hyperinsulinemia. Here, we studied PanIN lesion development in both male and female Ptf1a CreER ; Kras LSL-G12D mice lacking the rodent specific Ins1 gene, and possessing one or two alleles of the wild-type Ins2 gene to modulate insulin production. High-fat diet induced hyperinsulinemia was transiently and modestly reduced, without affecting glucose tolerance, in male and female mice with only one allele of Ins2 . Genetic reduction of insulin production resulted in mice with a tendency for less PanIN and acinar-to-ductal metaplasia (ADM) lesions. Using single-cell transcriptomics, we found hyperinsulinemia affected multiple cell types in the pancreas, with the most statistically significant effects on local immune cell populations, which were highly represented in our analysis. Specifically, hyperinsulinemia modulated pathways associated with protein translation, MAPK-ERK signaling, and PI3K-AKT signaling, which were changed in epithelial cells and subsets of immune cells. These data suggest a role for the immune microenvironment in hyperinsulinemia-driven PanIN development. Together with our previous work, we propose that mild suppression of insulin levels may be useful in preventing pancreatic cancer by acting on multiple cell types.
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) | 0,001 | 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 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 ».