MétaCan
Menu
Retour à la cohorte
Enregistrement W4383534489 · doi:10.1186/s40478-023-01604-y

Compensatory cross-talk between autophagy and glycolysis regulates senescence and stemness in heterogeneous glioblastoma tumor subpopulations

2023· article· en· W4383534489 sur OpenAlexafffund
Emma Martell, Helgi Kuzmychova, Harshal Senthil, Esha Kaul, Chirayu Chokshi, Chitra Venugopal, Christopher M. Anderson, Sheila K. Singh, Tanveer Sharif

Notice bibliographique

RevueActa Neuropathologica Communications · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensHealth Sciences CentreMcMaster UniversityUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchCancer Research SocietyNatural Sciences and Engineering Research Council of CanadaManitoba Medical Service FoundationCanadian Cancer SocietyResearch ManitobaHealth Sciences Centre Foundation
Mots-clésStem cellBiologyCancer researchAutophagyCancer stem cellGlycolysisCell biologySenescenceAnaerobic glycolysisTumor progressionCancerApoptosisEndocrinologyBiochemistryMetabolism

Résumé

récupéré en direct d'OpenAlex

Abstract Despite tremendous research efforts, successful targeting of aberrant tumor metabolism in clinical practice has remained elusive. Tumor heterogeneity and plasticity may play a role in the clinical failure of metabolism-targeting interventions for treating cancer patients. Moreover, compensatory growth-related processes and adaptive responses exhibited by heterogeneous tumor subpopulations to metabolic inhibitors are poorly understood. Here, by using clinically-relevant patient-derived glioblastoma (GBM) cell models, we explore the cross-talk between glycolysis, autophagy, and senescence in maintaining tumor stemness. We found that stem cell-like GBM tumor subpopulations possessed higher basal levels of glycolytic activity and increased expression of several glycolysis-related enzymes including, GLUT1/SLC2A1, PFKP, ALDOA, GAPDH, ENO1, PKM2, and LDH, compared to their non-stem-like counterparts. Importantly, bioinformatics analysis also revealed that the mRNA expression of glycolytic enzymes positively correlates with stemness markers ( CD133/PROM1 and SOX2 ) in patient GBM tumors. While treatment with glycolysis inhibitors induced senescence in stem cell-like GBM tumor subpopulations, as evidenced by increased β-galactosidase staining and upregulation of the cell cycle regulators p21 Waf1/Cip1 / CDKN1A and p16 INK4A / CDKN2A , these cells maintained their aggressive stemness features and failed to undergo apoptotic cell death. Using various techniques including autophagy flux and EGFP-MAP1LC3B + puncta formation analysis, we determined that inhibition of glycolysis led to the induction of autophagy in stem cell-like GBM tumor subpopulations, but not in their non-stem-like counterparts. Similarly, blocking autophagy in stem cell-like GBM tumor subpopulations induced senescence-associated growth arrest without hampering stemness capacity or inducing apoptosis while reciprocally upregulating glycolytic activity. Combinatorial treatment of stem cell-like GBM tumor subpopulations with autophagy and glycolysis inhibitors blocked the induction of senescence while drastically impairing their stemness capacity which drove cells towards apoptotic cell death. These findings identify a novel and complex compensatory interplay between glycolysis, autophagy, and senescence that helps maintain stemness in heterogeneous GBM tumor subpopulations and provides a survival advantage during metabolic stress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,765

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,328
Écart entre enseignants0,289 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations28
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActa Neuropathologica CommunicationsMême sujetAutophagy in Disease and TherapyTravaux en français237 207