Fibrinogen in the glioblastoma microenvironment contributes to the invasiveness of brain tumor‐initiating cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Glioblastomas (GBMs) are highly aggressive, recurrent, and lethal brain tumors that are maintained via brain tumor-initiating cells (BTICs). The aggressiveness of BTICs may be dependent on the extracellular matrix (ECM) molecules that are highly enriched within the GBM microenvironment. Here, we investigated the expression of ECM molecules in GBM patients by mining the transcriptomic databases and also staining human GBM specimens. RNA levels for fibronectin, brevican, versican, heparan sulfate proteoglycan 2 (HSPG2), and several laminins were high in GBMs compared to normal brain, and this was corroborated by immunohistochemistry. While fibrinogen transcript was at normal level in GBM, its protein immunoreactivity was prominent within GBM tissues. These ECM molecules in tumor specimens were in proximity to, and surrounding BTICs. In culture, fibronectin and pan-laminin induced the adhesion of BTICs onto the plastic substratum. However, fibrinogen increased the size of the BTIC spheres by facilitating the adhesive property, motility, and invasiveness of BTICs. These features of elevated invasiveness were corroborated in resected GBM specimens by the close proximity of fibrinogen with matrix metalloproteinase (MMP)-2 and-9, which are proteases implicated in metastasis. Moreover, the effect of fibrinogen-induced invasiveness was attenuated in BTICs where MMP-2 and -9 have been inhibited with siRNAs or pharmacological inhibitors. Our results implicate fibrinogen in GBM as a mediator of the invasive properties of BTICs, and as a target for therapy to reduce BTIC tumorigenecity.
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.
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 | 0,001 | 0,002 |
| 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 découle