Cancer Cells Promote Phenotypic Alterations in Hepatocytes at the Edge of Cancer Cell Nests to Facilitate Vessel Co-Option Establishment in Colorectal Cancer Liver Metastases
Notice bibliographique
Résumé
Vessel co-option is correlated with resistance against anti-angiogenic therapy in colorectal cancer liver metastases (CRCLM). Vessel co-opting lesions are characterized by highly motile cancer cells that move toward and along the pre-existing vessels in the surrounding nonmalignant tissue and co-opt them to gain access to nutrients. To access the sinusoidal vessels, the cancer cells in vessel co-opting lesions must displace the hepatocytes and occupy their space. However, the mechanisms underlying this displacement are unknown. Herein, we examined the involvement of apoptosis, autophagy, motility, and epithelial-mesenchymal transition (EMT) pathways in hepatocyte displacement by cancer cells. We demonstrate that cancer cells induce the expression of the proteins that are associated with the upregulation of apoptosis, motility, and EMT in adjacent hepatocytes in vitro and in vivo. Accordingly, we observe the upregulation of cleaved caspase-3, cleaved poly (ADP-ribose) polymerase-1 (PARP-1) and actin-related protein 2/3 (ARP2/3) in adjacent hepatocytes to cancer cell nests, while we notice a downregulation of E-cadherin. Importantly, the knockdown of runt-related transcription factor 1 (RUNX1) in cancer cells attenuates the function of cancer cells in hepatocytes alterations in vitro and in vivo. Altogether, our data suggest that cancer cells exploit various mechanisms to displace hepatocytes and access the sinusoidal vessels to establish vessel co-option.
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 ».