PHGDH heterogeneity potentiates cancer cell dissemination and metastasis
Notice bibliographique
Résumé
Cancer metastasis requires the transient activation of cellular programs enabling dissemination and seeding in distant organs1. Genetic, transcriptional and translational heterogeneity contributes to this dynamic process2,3. Metabolic heterogeneity has also been observed4, yet its role in cancer progression is less explored. Here we find that the loss of phosphoglycerate dehydrogenase (PHGDH) potentiates metastatic dissemination. Specifically, we find that heterogeneous or low PHGDH expression in primary tumours of patients with breast cancer is associated with decreased metastasis-free survival time. In mice, circulating tumour cells and early metastatic lesions are enriched with Phgdhlow cancer cells, and silencing Phgdh in primary tumours increases metastasis formation. Mechanistically, Phgdh interacts with the glycolytic enzyme phosphofructokinase, and the loss of this interaction activates the hexosamine–sialic acid pathway, which provides precursors for protein glycosylation. As a consequence, aberrant protein glycosylation occurs, including increased sialylation of integrin αvβ3, which potentiates cell migration and invasion. Inhibition of sialylation counteracts the metastatic ability of Phgdhlow cancer cells. In conclusion, although the catalytic activity of PHGDH supports cancer cell proliferation, low PHGDH protein expression non-catalytically potentiates cancer dissemination and metastasis formation. Thus, the presence of PHDGH heterogeneity in primary tumours could be considered a sign of tumour aggressiveness. PHDGH heterogeneity in primary tumours could be a sign of tumour aggressiveness.
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) | 0,000 | 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 ».