Ontogeny and Vulnerabilities of Drug-Tolerant Persisters in HER2+ Breast Cancer
Notice bibliographique
Résumé
Resistance to targeted therapies is an important clinical problem in HER2-positive (HER2+) breast cancer. "Drug-tolerant persisters" (DTP), a subpopulation of cancer cells that survive via reversible, nongenetic mechanisms, are implicated in resistance to tyrosine kinase inhibitors (TKI) in other malignancies, but DTPs following HER2 TKI exposure have not been well characterized. We found that HER2 TKIs evoke DTPs with a luminal-like or a mesenchymal-like transcriptome. Lentiviral barcoding/single-cell RNA sequencing reveals that HER2+ breast cancer cells cycle stochastically through a "pre-DTP" state, characterized by a G0-like expression signature and enriched for diapause and/or senescence genes. Trajectory analysis/cell sorting shows that pre-DTPs preferentially yield DTPs upon HER2 TKI exposure. Cells with similar transcriptomes are present in HER2+ breast tumors and are associated with poor TKI response. Finally, biochemical experiments indicate that luminal-like DTPs survive via estrogen receptor-dependent induction of SGK3, leading to rewiring of the PI3K/AKT/mTORC1 pathway to enable AKT-independent mTORC1 activation. SIGNIFICANCE: DTPs are implicated in resistance to anticancer therapies, but their ontogeny and vulnerabilities remain unclear. We find that HER2 TKI-DTPs emerge from stochastically arising primed cells ("pre-DTPs") that engage either of two distinct transcriptional programs upon TKI exposure. Our results provide new insights into DTP ontogeny and potential therapeutic vulnerabilities. This article is highlighted in the In This Issue feature, p. 873.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».