Aspirin reprogrammes colorectal cancer cell metabolism and sensitises to glutaminase inhibition
Notice bibliographique
Résumé
Abstract Background To support proliferation and survival within a challenging microenvironment, cancer cells must reprogramme their metabolism. As such, targeting cancer cell metabolism is a promising therapeutic avenue. However, identifying tractable nodes of metabolic vulnerability in cancer cells is challenging due to their metabolic plasticity. Identification of effective treatment combinations to counter this is an active area of research. Aspirin has a well-established role in cancer prevention, particularly in colorectal cancer (CRC), although the mechanisms are not fully understood. Methods We generated a model to investigate the impact of long-term (52 weeks) aspirin exposure on CRC cells, which has allowed us comprehensively characterise the metabolic impact of long-term aspirin exposure (2–4mM for 52 weeks) using proteomics, Seahorse Extracellular Flux Analysis and Stable Isotope Labelling (SIL). Using this information, we were able to identify nodes of metabolic vulnerability for further targeting, investigating the impact of combining aspirin with metabolic inhibitors in vitro and in vivo. Results We show that aspirin regulates several enzymes and transporters of central carbon metabolism and results in a reduction in glutaminolysis and a concomitant increase in glucose metabolism, demonstrating reprogramming of nutrient utilisation. We show that aspirin causes likely compensatory changes that render the cells sensitive to the glutaminase 1 (GLS1) inhibitor—CB-839. Of note given the clinical interest, treatment with CB-839 alone had little effect on CRC cell growth or survival. However, in combination with aspirin, CB-839 inhibited CRC cell proliferation and induced apoptosis in vitro and, importantly, reduced crypt proliferation in Apc fl/fl mice in vivo . Conclusions Together, these results show that aspirin leads to significant metabolic reprogramming in colorectal cancer cells and raises the possibility that aspirin could significantly increase the efficacy of metabolic cancer therapies in CRC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».