<strong></strong>Interclonal Mutually Beneficial Cooperation Mediated by TGF-β1 Enhances Invasion of Breast Cancer Cells
Notice bibliographique
Résumé
Intratumour heterogeneity is often associated with poor response to treatment and bad prognosis. In addition to genetic and epigenetic sources, phenotypic heterogeneity can also reflect plastic responses to signals from other cells. The latter can be mediated by various cell-cell interactions, from antagonistic (i.e., competition) to commensalistic or cooperative (mutually beneficial or altruistic). Positive exchanges can increase the fitness of clones and contribute to tumour growth, resistance to drugs and metastasis. Consequently, understanding the pathways involved in such interactions is of great significance for cancer treatment. This study used two breast cancer cell lines with different aggressiveness levels and very different secretome profiles (i.e., MDA-MB-231 and MCF7) to address the nature and mechanistic basis of interclonal crosstalk through paracrine signalling involving soluble factors during the early stages of metastasis. Our data show that MDA-MB-231 is able to recruit MCF7, through TGFβ1-mediated paracrine signalling, into expressing mesenchymal features and increased migration. On the other hand, MCF7 has no effect on the migration of MDA, suggesting a passive/commensalistic interaction. However, we found that the invasive potentials of both lines are enhanced when they are co-cultured, indicating that the two lines act synergistically and that such interclonal interactions can be mutually beneficial in vivo. Taking into account the negative impact that metastasis has on cancer prognosis and the lack of therapies to directly affect this process, interfering with the specific cooperative behaviours that tumour cells engage in during tumour progression should provide an additional strategy to increase 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 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».