Lipoprotein lipase hydrolysis products induce pro-inflammatory cytokine expression in triple-negative breast cancer cells
Notice bibliographique
Résumé
OBJECTIVES: Breast cancer cell growth and proliferation requires lipids for energy production, cell membrane synthesis, or as signaling molecules. Lipids can be delivered to cells by lipoprotein lipase (LPL), an extracellular lipase that hydrolyzes triacylglycerols and phospholipids from lipoproteins, that is expressed by adipose tissue and some breast cancer cell lines. Studies have shown that lipoprotein hydrolysis products induce pro-inflammatory cytokine secretion by endothelial cells. Thus, our objective was to determine if hydrolysis products generated by LPL from total lipoproteins can also promote pro-inflammatory cytokine secretion from breast cancer cells. RESULTS: Using cytokine arrays, we found that MDA-MB-231 cells increased secretion of seven cytokines in response to treatment with lipoprotein hydrolysis products. In contrast, MCF-7 cells showed decreased secretion of two cytokines. Expanding the analysis to additional cell lines by ELISA, we found increased secretion of TNF-α and IL-6 by MDA-MB-468 cells, and increased secretion of IL-4 by MDA-MB-468 and SKBR3 cells. The changes to cytokine secretion profiles of the breast cancer cell types examined, including the non-cancerous MCF-10a breast cells, were independent of increased cell metabolic activity. These results provide information on how lipoprotein hydrolysis products within the tumor microenvironment might affect breast cancer cell viability and progression.
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 | 0,001 | 0,002 |
| 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 ».