Identification of a Resistance Mechanism to IGF-IR Targeting in Human Triple Negative MDA-MB-231 Breast Cancer Cells
Notice bibliographique
Résumé
Triple negative breast cancer (TNBC) is associated with unfavorable prognosis and high relapse rates following chemotherapy. There is an urgent need to develop effective targeted therapy for this BC subtype. The type I insulin-like growth factor receptor (IGF-IR) was identified as a potential target for BC management. We previously reported on the production of the IGF-Trap, a soluble IGF-1R fusion protein that reduces the bioavailability of circulating IGF-1 and IGF-2 to the cognate receptor, impeding signaling. In nude mice xenotransplanted with the human TNBC MDA-MB-231 cells, we found variable responses to this inhibitor. We used this model to investigate potential resistance mechanisms to IGF-targeted therapy. We show here that prolonged exposure of MDA-MB-231 cells to the IGF-Trap in vitro selected a resistant subpopulation that proliferated unhindered in the presence of the IGF-Trap. We identified in these cells increased fibroblast growth factor receptor 1 (FGFR1) activation levels that sensitized them to the FGFR1-specific tyrosine kinase inhibitor PD166866. Treatment with this inhibitor caused cell cycle arrest in both the parental and resistant cells, markedly increasing cell death in the latter. When combined with the IGF-Trap, an increase in cell cycle arrest was observed in the resistant cells. Moreover, FGFR1 silencing increased the sensitivity of these cells to IGF-Trap treatment in vivo. Our data identify increased FGFR1 signaling as a resistance mechanism to targeted inhibition of the IGF-IR and suggest that dual IGF-1R/FGFR1 blockade may be required to overcome TNBC cell resistance to IGF-axis inhibitors.
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 | 0,001 |
| 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 ».