Metabolic Alteration of MCF-7 Cells upon Indirect Exposure to E. coli Secretome: A Model of Studying the Microbiota Effect on Human Breast Tissue
Notice bibliographique
Résumé
According to studies, the microbiome may contribute to the emergence and spread of breast cancer. E. coli is one of the Enterobacteriaceae family recently found to be present as part of the breast tissue microbiota. In this study, we focused on the effect of E. coli secretome free of cells on MCF-7 metabolism. Liquid chromatography–mass spectrometry (LC-MS) metabolomics was used to study the E. coli secretome and its role in MCF-7 intra- and extracellular metabolites. A comparison was made between secretome-exposed cells and unexposed controls. Our analysis revealed significant alterations in 31 intracellular and 55 extracellular metabolites following secretome exposure. Several metabolic pathways, including lactate, aminoacyl-tRNA biosynthesis, purine metabolism, and energy metabolism, were found to be dysregulated upon E. coli secretome exposure. E. coli can alter the breast cancer cells’ metabolism through its secretome which disrupts key metabolic pathways of MCF-7 cells. These microbial metabolites from the secretome hold promise as biomarkers of drug resistance or innovative approaches for cancer treatment, either as standalone therapies or in combination with other medicines.
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 ».