Deciphering STAT3 signaling potential in hepatocellular carcinoma: tumorigenesis, treatment resistance, and pharmacological significance
Notice bibliographique
Résumé
Hepatocellular carcinoma (HCC) is considered one of the greatest challenges to human life and is the most common form of liver cancer. Treatment of HCC depends on chemotherapy, radiotherapy, surgery, and immunotherapy, all of which have their own drawbacks, and patients may develop resistance to these therapies due to the aggressive behavior of HCC cells. New and effective therapies for HCC can be developed by targeting molecular signaling pathways. The expression of signal transducer and activator of transcription 3 (STAT3) in human cancer cells changes, and during cancer progression, the expression tends to increase. After induction of STAT3 signaling by growth factors and cytokines, STAT3 is phosphorylated and translocated to the nucleus to regulate cancer progression. The concept of the current review revolves around the expression and phosphorylation status of STAT3 in HCC, and studies show that the expression of STAT3 is high during the progression of HCC. This review addresses the function of STAT3 as an oncogenic factor in HCC, as STAT3 is able to prevent apoptosis and thus promote the progression of HCC. Moreover, STAT3 regulates both survival- and death-inducing autophagy in HCC and promotes cancer metastasis by inducing the epithelial-mesenchymal transition (EMT). In addition, upregulation of STAT3 is associated with the occurrence of chemoresistance and radioresistance in HCC. Specifically, non-protein-coding transcripts regulate STAT3 signaling in HCC, and their inhibition by antitumor agents may affect tumor progression. In this review, all these topics are discussed in detail to provide further insight into the role of STAT3 in tumorigenesis, treatment resistance, and pharmacological regulation of HCC.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».