MétaCan
Menu
Retour à la cohorte
Enregistrement W4313475622 · doi:10.1186/s13046-022-02584-y

PCSK9 facilitates melanoma pathogenesis via a network regulating tumor immunity

2023· article· en· W4313475622 sur OpenAlexafffund
Yan Gu, Xiaozeng Lin, Ying Dong, Geoffrey A. Wood, Nabil G. Seidah, Geoff H. Werstuck, Pierre Major, Michael Bonert, Anil Kapoor, Damu Tang

Notice bibliographique

RevueJournal of Experimental & Clinical Cancer Research · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensUniversité de MontréalMontreal Clinical Research InstituteUniversity of GuelphSt. Joseph’s Healthcare HamiltonMcMaster UniversitySt. Joseph's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCancer researchMelanomaBiologyCarcinogenesisImmune systemImmune checkpointCD8Cell growthCancerImmunologyImmunotherapyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Background PCSK9 regulates cholesterol homeostasis and promotes tumorigenesis. However, the relevance of these two actions and the mechanisms underlying PCSK9’s oncogenic roles in melanoma and other cancers remain unclear. Methods PCSK9’s association with melanoma was analysed using the TCGA dataset. Empty vector (EV), PCSK9, gain-of-function (D374Y), and loss-of-function (Q152H) PCSK9 mutant were stably-expressed in murine melanoma B16 cells and studied for impact on B16 cell-derived oncogenesis in vitro and in vivo using syngeneic C57BL/6 and Pcsk9−/− mice. Intratumoral accumulation of cholesterol was determined. RNA-seq was performed on individual tumor types. Differentially-expressed genes (DEGs) were derived from the comparisons of B16 PCSK9, B16 D374Y, or B16 Q152H tumors to B16 EV allografts and analysed for pathway alterations. Results PCSK9 expression and its network negatively correlated with the survival probability of patients with melanoma. PCSK9 promoted B16 cell proliferation, migration, and growth in soft agar in vitro, formation of tumors in C57BL/6 mice in vivo, and accumulation of intratumoral cholesterol in a manner reflecting its regulation of the low-density lipoprotein receptor (LDLR): Q152H, EV, PCSK9, and D374Y. Tumor-associated T cells, CD8 + T cells, and NK cells were significantly increased in D374Y tumors along with upregulations of multiple immune checkpoints, IFNγ, and 143 genes associated with T cell dysfunction. Overlap of 36 genes between the D374Y DEGs and the PCSK9 DEGs predicted poor prognosis of melanoma and resistance to immune checkpoint blockade (ICB) therapy. CYTH4, DENND1C, AOAH, TBC1D10C, EPSTI1, GIMAP7, and FASL (FAS ligand) were novel predictors of ICB therapy and displayed high level of correlations with multiple immune checkpoints in melanoma and across 30 human cancers. We observed FAS ligand being among the most robust biomarkers of ICB treatment and constructed two novel and effective multigene panels predicting response to ICB therapy. The profiles of allografts produced by B16 EV, PCSK9, D374Y, and Q152H remained comparable in C57BL/6 and Pcsk9−/− mice. Conclusions Tumor-derived PCSK9 plays a critical role in melanoma pathogenesis. PCSK9’s oncogenic actions are associated with intratumoral cholesterol accumulation. PCSK9 systemically affects the immune system, contributing to melanoma immune evasion. Novel biomarkers derived from the PCSK9-network effectively predicted ICB therapy responses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,472
Écart entre enseignants0,352 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental & Clinical Cancer ResearchMême sujetCancer, Lipids, and MetabolismTravaux en français237 207