Lovastatin inhibits erythroleukemia progression through KLF2-mediated suppression of MAPK/ERK signaling
Notice bibliographique
Résumé
BACKGROUND: Lovastatin, an HMG-CoA inhibitor and an effective cholesterol lowering drug, exhibits anti-neoplastic activity towards several types of cancer, although the underlying mechanism is still not fully understood. Herein, we investigated mechanism of growth inhibition of leukemic cells by lovastatin. METHODS: RNAseq analysis was used to explore the effect of lovastatin on gene expression in leukemic cells. An animal model of leukemia was used to test the effect of this statin in vivo. FAM83A and DDIT4 expression was knocked-downed in leukemia cells via lentivirus-shRNA. Western blotting, RT-qPCR, cell cycle analysis and apoptosis assays were used to determine the effect of lovastatin-induced growth suppression in leukemic cells in vitro. RESULTS: phase cell cycle arrest and apoptosis. Interestingly, lovastatin induced most known genes associated with cholesterol biosynthesis in leukemic cells. Moreover, it suppressed ERK1/2 phosphorylation by downregulating FAM83A and DDIT4, two mediators of MAP-Kinase signaling. RNAseq analysis of lovastatin treated leukemic cells revealed a strong induction of the tumor suppressor gene KLF2. Accordingly, lentivirus-mediated knockdown of KLF2 antagonized leukemia cell suppression induced by lovastatin, associated with higher ERK1/2 phosphorylation compared to control. We further show that KLF2 induction by lovastatin is responsible for lower expression of the FAM83A and DDIT4 oncogenes, involved in the activation of ERK1/2. KLF2 activation by lovastatin also activated a subset of cholesterol biosynthesis genes that may further contribute to leukemia suppression. CONCLUSIONS: These results implicate KLF2-mediated FAM83A/DDIT4/MAPK suppression and activation of cholesterol biosynthesis as the mechanism of leukemia cell growth inhibition by lovastatin.
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 ».