In Vivo miRNA Decoy Screen Reveals miR-124a as a Suppressor of Melanoma Metastasis
Notice bibliographique
Résumé
Melanoma is a highly prevalent cancer with an increasing incidence worldwide and high metastatic potential. Brain metastasis is a major complication of the disease, as more than 50% of metastatic melanoma patients eventually develop intracranial disease. MicroRNAs (miRNAs) have been found to play an important role in the tumorigenicity of different cancers and have potential as markers of disease outcome. Identification of relevant miRNAs has generally stemmed from miRNA profiling studies of cells or tissues, but these approaches may have missed miRNAs with relevant functions that are expressed in subfractions of cancer cells. We performed an unbiased in vivo screen to identify miRNAs with potential functions as metastasis suppressors using a lentiviral library of miRNA decoys. Notably, we found that a significant fraction of melanomas that metastasized to the brain carried a decoy for miR-124a, a miRNA that is highly expressed in the brain/neurons. Additional loss- and gain-of-function in vivo validation studies confirmed miR-124a as a suppressor of melanoma metastasis and particularly of brain metastasis. miR-124a overexpression did not inhibit tumor growth in vivo, underscoring that miR-124a specifically controls processes required for melanoma metastatic growth, such as seeding and growth post-extravasation. Finally, we provide proof of principle of this miRNA as a promising therapeutic agent by showing its ability to impair metastatic growth of melanoma cells seeded in distal organs. Our efforts shed light on miR-124a as an antimetastatic agent, which could be leveraged therapeutically to impair metastatic growth and improve patient survival.
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) | 0,013 | 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 ».