Lipoprotein Lipase Hydrolysis Products Induce Pro-Inflammatory Cytokine Expression in Triple-Negative Breast Cancer Cells
Notice bibliographique
Résumé
Abstract Objectives: Lipoprotein lipase (LPL) is an extracellular lipase that hydrolyzes triacylglycerols and phospholipids from lipoproteins. LPL is highly expressed in adipose tissue and expressed in some breast cancer cell lines. Hydrolysis products generated by LPL can be used by cells as components of the cell membrane, as an energy supply, or as signaling molecules. Therefore, LPL on or around cancer cells may contribute to breast cancer growth and progression. We hypothesized that hydrolysis products generated by LPL from total lipoproteins can promote pro-inflammatory cytokine secretion from breast cancer cells and/or affect viability. Results: Using cytokine arrays, we found that the secretion of seven cytokines was increased by MDA-MB-231 cells treated with lipoprotein hydrolysis products. An increased secretion of TNF-α and IL-6 was also seen by MDA-MB-468 cells, and an increase in IL-4 secretion was seen by MDA-MB-468 and SKBR3 cells. In contrast, MCF-7 cells showed a decreased secretion of only two cytokines. The changes to cytokine secretion profiles by the breast cancer cell types, including by non-cancerous MCF-10a breast cells, were independent of increased cell metabolic activity. Overall, these results provide information on how lipoprotein hydrolysis products within the tumor microenvironment might affect breast cancer cell viability and tumor 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 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 | 0,001 |
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 ».