Periostin gene expression in neu-positive breast cancer cells is regulated by a FGFR signaling cross talk with TGFβ/PI3K/AKT pathways
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is a highly heterogeneous disease with multiple drivers and complex regulatory networks. Periostin (Postn) is a matricellular protein involved in a plethora of cancer types and other diseases. Postn has been shown to be involved in various processes of tumor development, such as angiogenesis, invasion, cell survival and metastasis. The expression of Postn in breast cancer cells has been correlated with a more aggressive phenotype. Despite extensive research, it remains unclear how epithelial cancer cells regulate Postn expression. METHODS: Using murine tumor models and human TMAs, we have assessed the proportion of tumor samples that have acquired Postn expression in tumor cells. Using biochemical approaches and tumor cell lines derived from Neu+ murine primary tumors, we have identified major regulators of Postn gene expression in breast cancer cell lines. RESULTS: Here, we show that, while the stromal compartment typically always expresses Postn, about 50% of breast tumors acquire Postn expression in the epithelial tumor cells. Furthermore, using an in vitro model, we show a cross-regulation between FGFR, TGFβ and PI3K/AKT pathways to regulate Postn expression. In HER2-positive murine breast cancer cells, we found that basic FGF can repress Postn expression through a PKC-dependent pathway, while TGFβ can induce Postn expression in a SMAD-independent manner. Postn induction following the removal of the FGF-suppressive signal is dependent on PI3K/AKT signaling. CONCLUSION: Overall, these results reveal a novel regulatory mechanism and shed light on how breast tumor cells acquire Postn expression. This complex regulation is likely to be cell type and cancer specific as well as have important therapeutic implications.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».