Combined in vitro/in vivo genome-wide CRISPR screens in triple negative breast cancer identify cancer stemness regulators in paclitaxel resistance
Notice bibliographique
Résumé
Triple negative breast cancer (TNBC) is defined as lacking the expressions of estrogen receptor (ER), progesterone receptor (PR), and human epidermal growth factor receptor 2 (HER2). TNBC patients exhibit relatively poor clinical outcomes due to lack of molecular markers for targeted therapies. As such chemotherapy often remains the only systemic treatment option for these patients. While chemotherapy can initially help shrink TNBC tumor size, patients eventually develop resistance to drug, leading to tumor recurrence. We report a combined in vitro/in vivo genome-wide CRISPR synthetic lethality screening approach in a relevant TNBC cell line model to identify several targets responsible for the chemotherapy drug, paclitaxel resistance. Computational analysis integrating in vitro and in vivo data identified a set of genes, for which specific loss-of-function deletion enhanced paclitaxel resistance in TNBC. We found that several of these genes (ATP8B3, FOXR2, FRG2, HIST1H4A) act as cancer stemness negative regulators. Finally, using in vivo orthotopic transplantation TNBC models we showed that FRG2 gene deletion reduced paclitaxel efficacy and promoted tumor metastasis, while increasing FRG2 expression by means of CRISPR activation efficiently sensitized TNBC tumors to paclitaxel treatment and inhibited their metastatic abilities. In summary, the combined in vitro/in vivo genome-wide CRISPR screening approach proved effective as a tool to identify novel regulators of paclitaxel resistance/sensitivity and highlight the FRG2 gene as a potential therapeutical target overcoming paclitaxel resistance in TNBC.
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 | 0,001 |
| 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 ».