Lysosomal lipid switch sensitises to nutrient deprivation and mTOR targeting in pancreatic cancer
Notice bibliographique
Résumé
OBJECTIVE: Pancreatic ductal adenocarcinoma (PDAC) is an aggressive disease with limited therapeutic options. However, metabolic adaptation to the harsh PDAC environment can expose liabilities useful for therapy. Targeting the key metabolic regulator mechanistic target of rapamycin complex 1 (mTORC1) and its downstream pathway shows efficacy only in subsets of patients but gene modifiers maximising response remain to be identified. DESIGN: Three independent cohorts of PDAC patients were studied to correlate PI3K-C2γ protein abundance with disease outcome. Mechanisms were then studied in mouse (KPC mice) and cellular models of PDAC, in presence or absence of PI3K-C2γ (WT or KO). PI3K-C2γ-dependent metabolic rewiring and its impact on mTORC1 regulation were assessed in conditions of limiting glutamine availability. Finally, effects of a combination therapy targeting mTORC1 and glutamine metabolism were studied in WT and KO PDAC cells and preclinical models. RESULTS: PI3K-C2γ expression was reduced in about 30% of PDAC cases and was associated with an aggressive phenotype. Similarly, loss of PI3K-C2γ in KPC mice enhanced tumour development and progression. The increased aggressiveness of tumours lacking PI3K-C2γ correlated with hyperactivation of mTORC1 pathway and glutamine metabolism rewiring to support lipid synthesis. PI3K-C2γ-KO tumours failed to adapt to metabolic stress induced by glutamine depletion, resulting in cell death. CONCLUSION: Loss of PI3K-C2γ prevents mTOR inactivation and triggers tumour vulnerability to RAD001 (mTOR inhibitor) and BPTES/CB-839 (glutaminase inhibitors). Therefore, these results might open the way to personalised treatments in PDAC with PI3K-C2γ loss.
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 ».