Evidence of a role for interleukin-6 in anoikis resistance in oral squamous cell carcinoma
Notice bibliographique
Résumé
In an endeavour to understand metastasis from oral squamous cell carcinomas, we characterised the metastatic potential of a human tongue derived cell line (SCC-4 cells) and compared this phenotype to pre-cancerous dysplastic oral keratinocyte (DOK) cells derived from human tongue and primary gingival keratinocytes (PGK). We demonstrate that SCC-4 cells constitutively synthesize and release significant amounts of IL-6, a process that is enhanced by the addition of the TLR2/TLR6 agonist, Pam2CSK4. The expression of TLR2/6 and IL-6Ra/gp130 receptors was also confirmed in SCC-4 cells. Cancerous SCC-4 human tongue cells also have a classic EMT profile, unlike precancerous human tongue DOK cells. We also established that IL-6 is driving anoikis resistance in an autocrine fashion and that anti-IL-6 neutralising antibodies, anti-IL-6 receptor antibodies and anti-TLR2 receptor antibodies inhibit anoikis resistance in cancerous SCC-4 human tongue cells. The data suggest a promising role for anti-IL-6 receptor antibody and anti-TLR2 receptor antibody treatment for oral cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».